Оптимизация чёрного ящика с помощью локальных генеративных суррогатов
Исполнитель
Лаборатория методов анализа больших данных ФКН НИУ ВШЭРуководитель проекта
к.ф.-м.н. Болдырев Алексей СергеевичЦель
Разработка новых методов для оптимизации недифференциируемых симуляторов для оптимизации калориметра LHCbОписание
Мы используем глубокие генеративные модели для итерационной аппроксимации симулятора в локальных окрестностях пространства параметров. Мы показываем, что эти локальные суррогаты могут использоваться для аппроксимации градиента симулятора и, таким образом, позволяют оптимизировать параметры симулятора с помощью градиентых методов оптимизации. Метод реализован в рамках библиотеки pytorch, все исходные коды находятся в открытом доступе.Публикации
Shirobokov S., Belavin V., Ustyuzhanin A., Kagan M., Baydin. G. Black-Box Optimization with Local Generative Surrogates // Advances in Neural Information Processing Systems 33, 2020 (A*)Рисунки
Нашли опечатку?
Выделите её, нажмите Ctrl+Enter и отправьте нам уведомление. Спасибо за участие!
Сервис предназначен только для отправки сообщений об орфографических и пунктуационных ошибках.