실제 신경망이 제트 엔진 브래킷 설계를 스스로 가르치고 있습니다 — 실시간으로, 브라우저에서, 실제 물리학으로 구동됩니다. 여기서의 최적화기는 문자 그대로 좌표 MLP입니다: 브래킷의 각 요소의 (x, y, z) 위치를 입력받아 그 요소가 얼마나 단단해야 하는지 출력하는 작은 신경망입니다. 두뇌와 부품은 같은 객체입니다. 여러분이 보는 것은 반복적으로 업데이트되는 네트워크의 가중치로, 그것이 생산하는 밀도 필드가 부러지지 않고 재료를 낭비하지 않는 브래킷이 될 때까지입니다.
여기서 어떤 것도 손으로 조각하지 않습니다. 모든 훈련 단계는 모든 머신러닝과 같은 4박자 리듬을 따릅니다: 네트워크의 순전파가 밀도 필드를 생성하고, 유한 요소 응력 해석기 — '고문 테스트' — 가 하중 아래 브래킷이 어떻게 구부러지는지 확인하고, 유연성 손실(부러지지 마라)과 부피 페널티(가볍게 유지해라)가 현재 가중치가 얼마나 실패하고 있는지 측정하고, 역전파가 책임을 해석기를 통해, 푸리에 피처 MLP를 통해, 실제 야코비안으로 모든 가중치와 편향까지 역전파합니다. Adam이 한 단계를 취합니다. 학습률 조절은 얼마나 대담하게 단계를 밟는지 조정합니다. 노드 검사기는 개별 뉴런의 활성화를 보여주지만 — 패널이 솔직히 적시하듯, 과학자들은 아직 각 조절이 무엇을 하는지 완전히 설명하지 못합니다. 이것은 이 전시물의 한계가 아닙니다. 그것이 과학의 실제 상태입니다.
이 접근법 — 신경 토폴로지 최적화, 또는 TOuNN — 은 2021년경에 발표됐으며, 이미 이 분관에 있는 두 전시물의 의도적인 결혼입니다: AI 조각가(SIMP, 고전 휴리스틱 밀도 업데이트를 실행하는)와 뉴런 실험실(숫자를 읽도록 MLP를 훈련시키는). 신경 설계기는 분류 문제 대신 물리적 객체에 역전파를 적용하며, 실제 기울기를 사용해 DigiSim Logic Lab이 실제 게이트 논리로 계산을 구축하는 것처럼 구조를 발명합니다. 세 방은 의도적인 3부작입니다: 휴리스틱 최적화기, 신경 최적화기, 숫자 읽기 — 같은 경사 하강 엔진, 세 가지 다른 작업.
사양
- 방법
- 신경 토폴로지 최적화 (TOuNN) — 좌표 MLP가 설계
- 두뇌
- 푸리에 피처 MLP (x,y,z)→밀도, 실시간 FEM을 통해 Adam으로 훈련
- 손실
- 유연성 + 부피 페널티 — '부러지지 마라'와 '가볍게 유지해라'
- 시뮬레이션
- 실제 순전파 + 역전파, ∇-검사; 책임 파동 + 야코비안 두뇌↔몸 연결
머신러닝 더 보기
