跳到正文
热点事件持续更新

联邦学习优化汽车空气动力学代理模型方法

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

Arman Bolatov等人发表论文研究联邦学习训练汽车空气动力学代理模型,重点对比频谱优化器FedMuon与FedMARS-M的性能。在DrivAerNet++数据集上,跨六个客户端训练Transolver代理模型,使用2至4个本地epoch时,这两种频谱优化器的阻力误差与集中式训练仅相差2%。而非频谱方法在16个epoch下阻力误差仍高出17至37%,显示频谱优化器在低算力需求下具备显著优势。

AI 根据报道生成 · 11 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    联邦学习训练汽车空气动力学代理模型:频谱优化器 FedMuon 与 FedMARS-M 表现优异

    在 DrivAerNet++ 数据集上,联邦学习训练的 Transolver 代理模型中,频谱优化器 FedMuon 和 FedMARS-M 性能最佳。使用 2 至 4 个本地 epoch 时,二者的阻力误差与集中式训练仅相差 2%。非频谱方法在 16 个 epoch 下阻力误差仍高出 17 至 37%。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 18:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。