Фото: Pixabay
Исследователи смогли решить одну из ключевых проблем резервуарных вычислений. Программа на основе новой технологии была в 33-163 раза быстрее существующих аналогов при вычислении прогноза погоды в различных условиях.
Статья ученых опубликована в журнале Nature Communications, пишет «Популярная механика».
Резервуарные вычисления представляют собой алгоритм машинного обучения, разработанный в начале 2000-х годов и используемый для решения сложнейших вычислительных задач, таких как прогнозирование эволюции динамических систем. Динамические системы, такие как погода, трудно предсказать, потому что всего одно небольшое изменение может иметь огромные последствия в будущем.
Одним из известных примеров является «эффект бабочки», который утрировано можно описать так: изменения, вызванные взмахом крыльев бабочки, могут в конечном итоге повлиять на погоду несколько недель спустя. Предыдущие исследования показали, что технология резервуарных вычислений хорошо подходит для изучения динамических систем и может давать точные прогнозы о том, как они будут вести себя в будущем.
Это достигается при помощи искусственной нейронной сети, чем-то похожей на человеческий мозг. Ученые передают данные о динамической сети в «резервуар» случайно соединенных искусственных нейронов. Сеть выдает полезную информацию, которую ученые могут интерпретировать и передавать обратно, создавая все более и более точный прогноз того, как система будет развиваться в будущем.
Одна из проблем для дальнейшего совершенствования технологии заключалась в том, что резервуар искусственных нейронов представляет собой «черный ящик». В новой работе авторы обнаружили, что всю систему резервуарных вычислений можно значительно упростить, что значительно сократит потребность в вычислительных ресурсах и сэкономит значительное время. Авторы проверили свою концепцию на задаче прогнозирования, связанной с предсказанием погоды. Эта задача была разработана Эдвардом Лоренцем, чья работа привела к нашему пониманию эффекта бабочки.
Технология резервуарных вычислений следующего поколения стала явным победителем по сравнению с существующими алгоритмами. В одном относительно простом моделировании, выполненном на настольном компьютере, новая система была в 33-163 раза быстрее, чем текущая модель.
