Коллектив российских ученых исследовал процесс формирования конденсата Бозе—Эйнштейна в оптической дипольной ловушке с длиной волны 1064 нм. Для этого они проводили оптимизацию испарительного охлаждения методами машинного обучения. Исследование было опубликовано в журнале Physical Review A.
Рубрика «байесовская оптимизация»
Машинное обучение помогло улучшить экзотическую квантовую материю
2025-09-07 в 3:13, admin, рубрики: байесовская оптимизация, дипольная оптическая ловушка, конденсат Бозе-Эйнштейна, лазерное охлаждение, машинное обучение, резонансы ФешбахаКак нейросети, RL и байесовскую оптимизацию стали использовать на ускорителях заряженных частиц
2024-12-22 в 14:19, admin, рубрики: байесовская оптимизация, инновации в технологиях, коллайдер, машинное обучение, Научно-популярное, научные исследования, нейросети, оптимизация экспериментов, ускоритель частицУскорители заряженных частиц — уникальные машины, играющие ключевую роль в фундаментальной науке и прикладных исследованиях. Они помогают заглянуть внутрь материи, создавать новые материалы и лекарства, а также раскрывать тайны Вселенной — от бозона Хиггса до реликтового излучения.
Ускорители заряженных частиц — сложные установки, которые требуют высокой точности работы. Даже небольшое отклонение пучка, сравнимое с долей толщины человеческого волоса, может иметь значение. Чтобы справляться с такими задачами, всё чаще используют методы машинного обучения.
Оптимизация гиперпараметров в Vowpal Wabbit с помощью нового модуля vw-hyperopt
2015-12-18 в 12:21, admin, рубрики: bayesian optimization, big data, classification, github, large scale machine learning, vowpal wabbit, Алгоритмы, байесовская оптимизация, Блог компании DCA (Data-Centric Alliance), гиперпараметры, машинное обучение, метки: bayesian optimization, classification, large scale machine learning, vowpal wabbit, байесовская оптимизация, гиперпараметрыПривет! В этой статье речь пойдет о таком не очень приятном аспекте машинного обучения, как оптимизация гиперпараметров. Две недели назад в очень известный и полезный проект Vowpal Wabbit был влит модуль vw-hyperopt.py, умеющий находить хорошие конфигурации гиперпараметров моделей Vowpal Wabbit в пространствах большой размерности. Модуль был разработан внутри DCA (Data-Centric Alliance).
Для поиска хороших конфигураций vw-hyperopt использует алгоритмы из питоновской библиотеки Hyperopt и может оптимизировать гиперпараметры адаптивно с помощью метода Tree-Structured Parzen Estimators (TPE). Это позволяет находить лучшие оптимумы, чем простой grid search, при равном количестве итераций.
Эта статья будет интересна всем, кто имеет дело с Vowpal Wabbit, и особенно тем, кто досадовал на отсутствие в исходном коде способов тюнинга многочисленных ручек моделей, и либо тюнил их вручную, либо кодил оптимизацию самостоятельно.
Читать полностью »