本研究では、ニューラルオペレータの混合精度学習手法を提案している。ニューラルオペレータは、偏微分方程式の解を学習する強力な手法であるが、高解像度のデータを扱うには計算リソースが大きな障壁となる。
提案手法では、ニューラルオペレータの中核となるフーリエ変換の演算を混合精度で行うことで、メモリ使用量を最大50%削減し、スループットを最大58%向上させることができる。理論的には、フーリエ変換の精度誤差が離散化誤差と同程度であることを示し、混合精度でも十分な近似精度が得られることを証明している。
具体的には、以下の取り組みを行っている:
提案手法は、Navier-Stokes、Darcy Flow、球面浅水波、車体CFDなどの4つのデータセットで検証され、既存手法と比べて大幅な性能向上を示している。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Renbo Tu,Col... at arxiv.org 05-07-2024
https://arxiv.org/pdf/2307.15034.pdfDeeper Inquiries