机器学习的新方法可以使混乱更加可预测

庞大的数字处理能力系统意味着我们可以根据过去越来越少的模式更好地预测混沌系统的未来，而一种新算法正在为该过程增加更多的准确性。

通过下一代开发水库计算技术，采用更动态、更快速的方法，新算法改进了对复杂物理过程的预测，例如全球天气预报。

这些过程的计算（称为时空混沌系统）现在可以在很短的时间内完成，并且精度更高，使用更少的计算资源，并且基于更少的训练数据。

“这非常令人兴奋，因为我们相信这是机器学习领域数据处理效率和预测准确性方面的重大进步，”物理学家温德森·德·萨·巴博萨说，来自俄亥俄州立大学。

机器学习正是这样的：计算机算法使用发现过程根据大数据档案（例如过去的天气模式）进行预测（例如未来的天气模式）。

这试图更接近地模仿人类大脑，将信息输入到随机连接的人工神经元的“储存库”中，作为发现有用模式的一种手段。然后将结果用于为未来的学习周期提供信息。

随着时间的推移，这些系统变得更加精简和高效。机器学习领域的一项创新使得预测模型的不同组成部分能够并行发生。将这种架构与最新的储层计算技术结合使用，算法可以在混乱的信息中发现潜在的对称性。

研究人员在大气天气模型上测试了他们的新方法。使用运行 Windows 软件的普通笔记本电脑，他们能够在不到一秒的时间内做出以前需要超级计算机才能完成的预测。在这种特殊情况下，计算速度比传统算法快 240,000 倍。

“如果人们知道准确描述系统的这些独特过程如何演变的方程，那么就可以重现和预测其行为。”德·萨·巴博萨说。

机器学习算法可用于预测各种未来事件，在以下领域找到应用新资源给那些令人震惊的人。

随着这些场景变得越来越复杂，需要考虑的变量越来越多，从而突破了计算资源的限制。机器学习系统能够发现过去数据中人眼无法发现的模式，然后留意这些模式的重复。随着时间的推移，他们还可以自我反馈以提高准确性。

研究人员表示，未来这些新的和改进的算法可以用于多种情况，例如监测心跳模式、发现否则会被错过的健康问题。

“现代机器学习算法特别适合通过使用历史数据学习其基本物理规则来预测动态系统，”德·萨·巴博萨说。

“一旦拥有足够的数据和计算能力，您就可以使用机器学习模型对任何现实世界的复杂系统进行预测。”

该研究发表于混沌：非线性科学的跨学科期刊。