D2C yöntemiyle fiziksel sistemlerin optimize edilmesi

Yüksek boyutlu fiziksel sistemlerin optimize edilmesi, bilim ve mühendislikteki merkezi zorluklardan biridir. Pahi̇şa ve mühendislikteki merkezi zorluklardan biri olan bu süreçte, pahalı değerlendirmeler ve karmaşık kısıtlamalar altında çalışmak zorunludur.

Offline model tabanlı optimizasyonun sınırları

Offline model tabanlı optimizasyon, yalnızca sabit bir veri setini kullanarak ve test zamanında gerçek amaç fonksiyonuna erişim olmadan tasarımları iyileştirmeye çalışır. Mevcut yöntemler genellikle konservatizm, sınırsız surrogate sömürüsü veya statik çıkarım zamanı örnekleyicileri olarak kalır ve adayları kesin fiziksel amaçlara karşı iyileştiremezler.

D2C yönteminin çalışma prensibi

D2C, deterministik örneklemenin ters denoising zincirini koşulama sinyaliyle türevlenebilir kılma gerçeğinden yararlanır. Bu sayede, dondurulmuş koşullu bir difüzyon modelini uçtan uca gradient tabanlı bir optimizatore dönüştürür. Koşulama değişkenleri test zamanında, dondurulmuş surrogate amaçlar ve fizik bilgilendirilmiş cezalar üzerinden gelen gradientler aracılığıyla ters zincir üzerinden geri yayılarak optimize edilir.

Yöntem, bir önerici-değerlendirici çerçevesinde uygulanmıştır. Fizik bilgilendirilmiş cezalar, optimize edilen adayların fiziksel kısıtlamalara uygun olmasını sağlamak için kullanılır.

Değerlendirme ve sonuçlar

D2C, laser pulse optimizasyonu, sürdürülebilir veri merkezi iş yükü zamanlaması ve dört Design-Bench görevi üzerinde değerlendirilmiştir. Yöntem, iki gerçek dünya görevinde en güçlü sonuçları ve dört Design-Bench görevinde en iyi ortalama sıralamayı elde etmiştir.

Makale NeurIPS 2026 ana konferansı için ilk sürüm olarak sunulmuştur ve yayımlanmayı beklemektedir. arXiv üzerinden erişime sunulan çalışmanın yazarı ve göndereni Soumyendu Sarkar'dır.

Neden önemli?

Fizik bilgilendirilmiş optimizasyon alanında, mevcut yöntemlerin konservatizm ve surrogate sömürüsü gibi sınırlamalarına alternatif bir yaklaşım sunuluyor. Gerçek dünya görevlerinde güçlü sonuçlar elde edilen D2C, bilim ve mühendislikteki optimize etme süreçlerini destekleyici bir yöntem olarak öne çıkıyor.

Kaynak: arXiv — Machine Learning

Temsili görsel: Google DeepMind / Pexels