Araştırmacılar, kimyasal ve biyolojik sistemlerdeki stokastik reaksiyonları modellemek için kullanılan Gillespie algoritmasına makine öğrenmesinden üç farklı gradient tahmin yöntemi uyguladı. Bu yöntemler, deneysel verilerden parametre çıkarımını zorlaştıran kesikli ve rastgele doğadaki işlemlerin türevlerini hesaplayabilmeyi mağdur ediyor. Gumbel-Softmax, Score Function ve Alternative Path tahmin edicileri, hem kararlı durum hem de zamana bağlı gözlemlenebilir değişkenler için test edildi. Çalışma, çift moleküllü bağlanma ve biyolojik osilatörler gibi farklı dinamiklere sahip sistemlerde bu yöntemlerin performansını karşılaştırarak, stokastik kimyasal kinetik modellerin parametre tahmini için yeni yaklaşımlar sunuyor.

arXiv — Kimyasal Fizik 0

Teknoloji & Yapay Zeka

21 Apr

Yapay zeka kontrol sistemlerinde model belirsizliğini aşan yeni optimizasyon yaklaşımı

Araştırmacılar, Model Öngörülü Kontrol (MPC) sistemlerinin model belirsizliği karşısındaki performans sorunlarını çözmek için yenilikçi bir optimizasyon çerçevesi geliştirdi. Yöntem, diferansiyel optimizasyon ile sıfırıncı dereceden optimizasyonu birleştirerek, model tabanlı ve model içermeyen gradient tahmini yaklaşımlarını harmanlıyor. Bu hibrit strateji, tamamen veri odaklı yöntemlere kıyasla daha hızlı geçici performans sunuyor ve model belirsizliği durumunda bile yakınsama garantileri sağlıyor. 12 boyutlu quadcopter modeli üzerinde yapılan testlerde yaklaşımın etkinliği kanıtlandı. Gerçek zamanlı yörünge planlama ve optimizasyon gerektiren MPC politikaları için bu gelişme, özellikle sistem dinamiklerinin tam olarak bilinmediği durumlarda önemli bir ilerleme sunuyor.

arXiv (CS + AI) 0