El aprendizaje automático está en su infancia cuando se aplica a las ciencias físicas, particularmente en física computacional. Parte de esto es filosófico porque la terminología utilizada implica que las computadoras están reemplazando a los humanos en el aprendizaje, cuando en realidad el aprendizaje automático es principalmente una forma de clasificar e interpolar. La segunda parte es que el paradigma de ML es principalmente no paramétrico, mientras que la mayoría de la física se centra en derivar leyes matemáticas claras que describen fenómenos que incluyen parámetros que representan la importancia relativa de varios mecanismos. Hay algunos enfoques de ML que pueden tener como objetivo reproducir este enfoque, pero mi opinión personal es que realmente no pueden descubrir una nueva descripción matemática. Los algoritmos de ML por el contrario no son paramétricos en el sentido de que sus parámetros se usan solo para ajustar los datos en lugar de ofrecer una interpretación de los efectos de los mecanismos competidores.
Sin embargo, es la tercera razón por la que creo que es más importante: a menudo no está claro cómo formular el problema de física de una manera que pueda usarse con ML. Las leyes físicas contienen dentro de ellos ciertos invariantes que representan el comportamiento fundamental del universo, por ejemplo, la invariancia galileana. En general, una representación de ML no reflejará estas propiedades que sabemos que existen, lo que dificulta su aplicación. En el ejemplo de los pronósticos, violar estos invariantes conducirá a una situación inestable. El trabajo reciente ha explorado la inclusión de estos invariantes y plantear la parte ML del problema como una ley de cierre que surge de la descripción inherentemente de múltiples escalas de la mayoría de la física, incluido el modelado del clima. Los resultados preliminares sugieren que el ML puede ser útil. Entonces, al final, mi respuesta es más optimista que las otras, pero hay un largo camino por recorrer.
- ¿Qué es la notación O grande? ¿Y deberían saberlo los programadores principiantes?
- ¿Por qué deberíamos conocer más de un algoritmo de clasificación en Python (burbuja, inserción, selección) si todos están haciendo el mismo trabajo?
- Cómo encontrar la ruta más corta en un gráfico no ponderado en lenguaje C
- ¿Cuál es el tema más importante en la estructura de datos y algoritmos en la programación en C?
- ¿Cuál es la mejor manera de aprender estructuras de datos y algoritmos para estudiantes que no son de CS / IT?