《亲爱的数据》出品

昔时夜气雾霾影响景象变得越来越常见，科学家会想知道影响是如何发生的。

但是，如果让打算机仿照这繁芜的自然征象，须要巨大的算力，以及超长的韶光。
即利用最快的超级打算机仿照也要花上几个小时。

除此之外，科学家常用一个范例的打算机仿照程序，打算物理浸染力如何影响原子、云团乃至星系。
这些都可以理解为超级繁芜的系统。

好是人工智能开始助力这一领域。
仿真器基于人工智能机器学习技能，仿照输入和输出，仿真器会探求规律，并学习推测仿照程序将对新的输入进行若何的处理。

《亲爱的数据》出品

将机器学习的深度神经网络用于新的仿真器，可以识别出给界说务中数据效率最高的连接模式，而且，须要的仿照演习很少。

Melody Guan是斯坦福大学（Stanford University）的机器学习博士生，她专注于机器学习隐私、安全性、可阐明性和公正性。
在此之前，她在谷歌大脑（Google Brain）从事深度强化学习的研究，在量化金融机构DE Shaw从事金融交易。
她拥有哈佛大学统计学专业的硕士学位和化学与物理专业的学士学位，是位美女学霸。

《亲爱的数据》出品

这种技能被称为深度仿真器网络搜索（DENSE），它依赖于Melody Guan开拓的一种通用神经构造搜索。
她说，“非常愉快”看到她的事情被用于“科学创造”。

领导这项研究的英国牛津大学物理学家Muhammad Kasim表示，其团队的研究因此她的研究为根本进行的，由于它平衡了准确性和效率。

《亲爱的数据》出品

​研究职员利用DENSE技能开拓了10个仿真器，分别用于物理、天文、地质和气候科学领域。
DENSE的仿真器表现出色，其速率比其他仿照器快10万到20亿倍。
而且，这些仿真器非常精确：天文仿真器的结果与全仿照的同等性超过99.9%，在10次仿照中，神经网络仿真器比传统仿真器要好得多。
（完）

（完）

《亲爱的数据》出品

出品人：谭婧

《亲爱的数据》出品

​