آزمایشگاه ۱۰: یادگیری، طراحی و راستی‌آزمایی پاسخ فراسطح

شناسه: ms-13-ai-metasurfaces. همراه: فصل ۱۰.

پرسش: آیا جانشین پاسخ ندیده را پیش‌بینی و طرحی پیشنهاد می‌کند که از بررسی مستقل بگذرد؟

چهار مرحله داریم: الف، پایلوت تحلیلی کامل با دو دفترچهٔ اجراشده؛ ب تا د، طرح تفصیلی مشارکت دانشجویی با ورودی، روش، تحویلی و معیار ازپیش‌تعریف‌شده‌اند و با دادهٔ تمام‌موج اجرا نشده‌اند.

راهنمای پایلوت ترتیب، مثال و معیار گزارش را دارد.

پیش از خواندن نتایج، راهنمای مدل و هندسه را ببینید. جسم، ابعاد، موج فرودی، جهت ناوردایی یا تکرار و صفحه‌های مرجع را در شکل مشخص کنید.

الف. یادگیری پاسخ تشدیدی مصنوعی¶

دفترچهٔ آغازین اجراشده با NumPy و Matplotlib، بدون GPU و با مولد داخلی است. مدل ورقهٔ تشدیدی بی‌اتلاف مصنوعی با مختصات بی‌بُعد فصل ۱۰ است. سپس مقایسهٔ عصبی، scikit-learn، درون‌یابی مختلط، سه مقداردهی، فاز دایروی و پیشنهاد معکوس هر روش را اضافه می‌کند.

منبع: نخستین جانشین: یادگیری، طراحی و بررسی و آیا شبکهٔ عصبی این جانشین را بهتر می‌کند؟. محیط روش اجرا را دارد؛ هر دو مولد داخلی و اجرای مستقل دارند.

هدف¶

آموزش، انتخاب و آزمون را جدا کنید؛ هندسهٔ کامل در هر تقسیم حفظ شود؛ بازیابی، درون‌یابی، کرنل و شبکهٔ کوچک مقایسه و پیشنهاد وارون با فرمول دقیق بررسی شود.

پارامتر ویرایش‌پذیر¶

روش¶

1. بقای بی‌اتلاف و حد تشدید و دور از آن را استخراج کنید.

2. طیف عبور مختلط را با شناسهٔ یکتای هر مختصات بسازید.

3. پیش از برازش شناسه‌ها را تقسیم کنید؛ ردیف فرکانس مستقل تقسیم نشود.

4. در آغازین، نزدیک‌ترین همسایه و انتخاب طول کرنل و منظم‌سازی فقط با اعتبارسنجی؛ سپس مدل ثابت، جست‌وجو و بررسی وارون.

5. در مقایسه، همان مولد و تقسیم، با درون‌یابی و MLP؛ استانداردسازی فقط آموزش و انتخاب معماری و L2 با RMSE مختلط اعتبارسنجی. پیش از بذر اضافی، تنظیم را ثابت کنید.

6. همهٔ مدل‌های ثابت روی هندسهٔ کنارگذاشته: خطای مختلط، توان، دامنه، بدترین حالت، فاز پوشانده‌شده و سازگاری فیزیکی. خطای هر هندسه و طیف نمونهٔ ثابت را رسم کنید. با قرص عبور مختلط و کنترل جذب ضمنی علامت‌دار، اتلاف مصنوعی را از بهرهٔ ضمنی در مدل شنت بازسازی‌شده جدا کنید؛ هیچ‌کدام جذب اندازه‌گیری‌شدهٔ ماده نیستند.

7. هدف را تحلیلی بسازید؛ هر جانشین پیوسته روی شبکهٔ یکسان و بازیابی روی هندسهٔ واقعی آموزش. همهٔ مختصات منتخب با فرمول دقیق ارزیابی شوند.

8. خطای پیش‌بینی و بررسی را مقایسه و رتبه‌بندی را بدون انتظار برنده شدن شبکه تفسیر کنید. توسعه با آموزش کمتر یا بازهٔ کنارگذاشته، پروتکل جدا و اعلام‌شده پیش از مشاهدهٔ آزمون می‌خواهد.

شاهد و تحویلی¶

دو دفترچه از هستهٔ تازه، شناسه‌ها، همهٔ نامزدهای تنظیم، ابرپارامتر، هشدار، سه اجرای شبکه، سنجه و هم‌پوشانی هدف و پیش‌بینی و بررسی تحلیلی را تحویل دهید. بیشینهٔ باقیماندهٔ توان مولد و یکانی بودن دو‌درگاه را گزارش کنید. فاصلهٔ شبکه و تعداد بازیابی را بیان کنید؛ تطبیق در یک فاصلهٔ شبکه، بهینهٔ جهانی پیوسته را ثابت نمی‌کند.

کنترل آغازین، جدایی تقسیم، خروجی متناهی و بقای تحلیلی است. خطاها عملکرد همین مسئلهٔ مصنوعی‌اند؛ آستانهٔ دقت قطعهٔ واقعی ادعا نمی‌شود.

پذیرش: اجرای تازه بدون خطای سلول، عبور کنترل فیزیکی و تقسیم، تنظیم فقط با اعتبارسنجی، حفظ هشدار، آزمون طیف یکسان و سنجش وارون با مولد و جانشین. هشدار الزاماً رد نیست، ولی برازش هشداردار را همگرا ننامید.

تفسیر مرجع: KRR کمترین RMSE مختلط آزمون را دارد؛ MLP از بازیابی بهتر و از درون‌یابی ضعیف‌تر است. سه مقداردهی فاصلهٔ اطمینان نیست. سه نامزد با منظم‌سازی قوی‌تر هشدار L-BFGS دارند و انتخاب نمی‌شوند؛ سه اجرای تنظیم منتخب بی‌هشدارند. این نتایج را با دستکاری بر مبنای آزمون پنهان نکنید.

ب. جایگزینی مولد با کتابخانهٔ معتبر سلول واحد¶

وضعیت: طرح؛ مجموعه‌دادهٔ طیفی تمام‌موج مخصوص این مرحله ارائه نشده است. برای تمرین کوچک‌تر در طول موج ثابت، از کتابخانهٔ ذخیره‌شدهٔ ریج فصل ۳ استفاده کنید، عرض‌های کامل را میان آموزش، اعتبارسنجی و آزمون تقسیم کنید و قطبش TE، هندسه، صفحات فاز و بهنجارسازی توان آن را حفظ کنید. این استفاده، آزمایش جانشین روی دادهٔ تمام‌موج موجود است و اجرای الکترومغناطیسی تازه نیست. مسئلهٔ طیفی به کتابخانهٔ همگرای دیگری نیاز دارد.

پیش‌نیاز: مرز تناوبی، درگاه فلوکه، بهنجارسازی S و همگرایی. پیش از بزرگ کردن داده، یک خانواده و ماده انتخاب کنید.

ورودی: حل‌گر RCWA، FEM یا FDTD در دسترس با نسخه و تنظیم اجرایی؛ ابتدا یک یا دو پارامتر پیوسته، یک قطبش و باند مستند. دقت لازم هدف را پیش از رواداری مش یا هارمونیک و یادگیری تعیین کنید. اگر دوره مرتبهٔ اضافی باز می‌کند، آن‌ها را ثبت کنید و دو‌درگاه فرض نکنید.

روش¶

1. کران، واحد، دوره، زیرلایه و رو‌لایه، قطبش، باند و تابش را تعریف کنید.

2. نمونهٔ نماینده، تشدید و هندسهٔ انتهایی را همگرا و رواداری موجه با هدف تعیین کنید.

3. ضریب مختلط، کانال، مرجع و توان همهٔ کانال‌ها را ذخیره و شکست را ثبت کنید؛ نمونهٔ دشوار بی‌خبر حذف نشود.

4. تقسیم هندسه‌ای و یک بازه یا خانوادهٔ جدا برای چالش برون‌یابی داشته باشید.

5. بازیابی و درون‌یابی، کرنل و شبکهٔ کوچک را با تقسیم یکسان مقایسه کنید.

6. اندازهٔ آموزش را با ارزیابی مشترک جاروب کنید. شکست و هزینهٔ حل را هم حساب و هر مقیاس‌ساز را فقط با همان زیرمجموعهٔ آموزش برازش کنید.

7. سه هندسهٔ آزمون ازپیش‌اعلام‌شده شامل تشدید یا مرز را با تنظیم دقیق‌تر دوباره حل کنید. تغییر حل‌گر را با خطای جانشین مقایسه کنید؛ نتیجهٔ آزمون در تنظیم مدل دخالت نکند.

قرارداد داده¶

فرمت قابل‌انتقال با مختلط یا شرح حقیقی و موهومی جدا استفاده کنید. نمونهٔ کوچک در مشارکت و بزرگ در آرشیو نسخه‌دار باشد. به‌جای حل ناموفق بی‌خبر صفر نگذارید.

تحویلی: فرادادهٔ نسخه‌دار، تنظیم حل‌گر، محیط، تقسیم، منحنی یادگیری، توزیع خطای طیفی و سه نمونهٔ دوباره‌حل‌شده. عدم‌قطعیت عددی حل‌گر را از خطای پیش‌بینی جدا کنید.

پذیرش: بازتولید یا ردیابی به خروجی آرشیوی، همگرایی ازپیش‌تعیین‌شده، عدم دخالت آزمون در انتخاب و سنجهٔ تک‌قطعه و مجموع. شکست معیار را گزارش و ادعا را محدود کنید.

بحث: وقتی خطای یادگیری از اختلاف همگرایی کوچک‌تر است چه دقتی واقعاً قابل‌ادعاست؟ شکست نزدیک قطع با دادهٔ بیشتر، نمایش دیگر یا مدل فیزیکی بازنگری‌شده حل می‌شود؟

ج. طراحی معکوس با قید فیزیکی و ساخت¶

وضعیت: طرح پس از ب. هدف صریح دامنه، فاز، پهنای باند یا قطبش بگیرید؛ ابتدا سلول معلومِ قابل‌تحقق و سپس هدف با امکان‌پذیری نامعلوم.

ورودی: داده و جانشین ثابت ب، کران، ویژگی کمینه، طیف هدف و بودجهٔ فراخوانی الکترومغناطیسی. هدف واحد همهٔ روش‌ها، مثلاً اختلاف مختلط وزن‌دار فرکانسی و جریمهٔ مقاومت مستند، تعیین شود. معتبر بودن فاز در کل باند را بگویید.

روش¶

نزدیک‌ترین پاسخ کتابخانه، بهینه‌ساز کران‌دار جانشین و جست‌وجوی متعارف با بودجهٔ حل‌گر یکسان را مقایسه کنید. تندم یا مولد شرطی توسعهٔ اختیاری پس از کار کردن مبناست. هدف، قید، تعداد فراخوانی و توقف یکسان گزارش شود. چند نامزد با حل‌گر همگرا بررسی شوند. ادعای آرایه به آزمون کوپل و دهانه و ادعای قطعهٔ کامل به محاسبهٔ مناسب قطعه نیاز دارد.

1. هدف‌ها، وزن، رواداری موفقیت، قید و بودجه را پیش از جست‌وجو اعلام کنید.

2. بهترین پاسخ موجود و هندسهٔ واقعی آن را ثبت کنید.

3. جست‌وجوی جانشین و حل‌گر را اجرا؛ هزینهٔ مشترک داده را از هر کار جدا و کل و سرشکن را گزارش کنید.

4. تعداد ثابت نامزد هر روش، شامل شکست، برای حل همگرا انتخاب و همان هدف را از پیش‌بینی و بررسی حساب کنید.

5. توزیع اغتشاش ساخت با واحد و همبستگی مشخص اعمال کنید؛ اسمی، میانگین و حالت نامساعد جدا باشند. بدترین نمونه، کران بدترین حالت تضمین‌شده نیست.

6. پیش از ادعای آرایهٔ متغیر فضایی، کوپل و دهانهٔ متناهی را با ابرسلول یا قطعهٔ مناسب بررسی کنید.

تحویلی: مشخصات هدف، هندسه، پیش‌بینی و بررسی، قید، اغتشاش و جدول هزینه با داده‌سازی. شکست و هدف ناممکن را توضیح دهید و فقط موفق‌ها را انتخاب نکنید.

پذیرش: عدم نقض قید سخت، هدف و حساب بودجهٔ یکسان، عبور هر موفقیت ادعایی از رواداری ازپیش‌تعریف‌شده با حل همگرا و نمایش هدف شکست‌خورده یا بررسی‌نشده. هدف ناموفق می‌تواند گزارش کامل و مفید باشد.

بحث: آیا بهینه‌سازی خطایی را یافت که RMSE میانگین ندید؟ آیا هدف معلوم موفق و نامعلوم ناموفق است؟ چه شاهدی خطای مدل، شکست بهینه‌ساز و ناممکن بودن فیزیکی را جدا می‌کند؟

د. عدم‌قطعیت و یادگیری فعال¶

وضعیت: طرح پس از ب یا ج. زیر بودجهٔ ثابت حل تازه، نمونه‌برداری تصادفی را با قاعدهٔ اکتساب صریح، مثل اختلاف ensemble، فاصلهٔ آموزش یا بهبود موردانتظار مقایسه کنید.

ورودی: آموزش اولیهٔ مشترک، مخزن نامزد بدون برچسب، اعتبارسنجی برای انتخاب ثابت، آزمون مهروموم‌شده و بودجهٔ تعداد تلاش حل. در مخزن ازپیش‌حل‌شده، برچسب را تا انتخاب پنهان و هر آشکارسازی را یک فراخوانی حساب کنید؛ آن را بازپخش بنامید، نه اجرای برخط حل‌گر.

روش¶

1. شناسهٔ اولیه، مخزن و آزمون، تنظیم مدل، اندازهٔ دسته، دورها و حداقل سه بذر را پیش از اکتساب ثابت کنید.

2. مبنا تصادفی باشد. نمونهٔ جایگزین: ensemble و بیشینهٔ واریانس متوسط طیفی $a(g)=M^{-1}\sum_j \operatorname{Var}_k[\widehat t_j^{(k)}(g)]$؛ واریانس مختلط مربع اندازهٔ فاصله از میانگین است. مدل به برچسب پرسیده‌نشده دسترسی نداشته باشد.

3. هر روش در هر دور تعداد حل یکسان بگیرد. شناسه، امتیاز، شکست و تلاش تجمعی ثبت و برخورد با شکست و نقطهٔ تکراری از پیش تعیین شود.

4. با برچسب اکتسابی و پیش‌پردازش فقط آموزش دوباره برازش کنید؛ قاعدهٔ انتخاب ثابت و مدل یا پیش‌بینی هر دور ذخیره شود.

5. پس از پایان برنامه، آزمون ثابت آشکار و همهٔ دورهای ذخیره‌شده ارزیابی شوند. منحنی برحسب تلاش الکترومغناطیسی در بذرها رسم شود؛ آزمون برای هدایت اکتساب یا تنظیم اجرای گزارش‌شده نیست.

6. گستردگی ensemble و خطای مشاهده‌شده را مقایسه و شکست مطمئن‌نما را گزارش کنید. بازهٔ جابه‌جاشدهٔ ازپیش‌اعلام‌شده جداست. ادعای پوشش بازه به کالیبراسیون بدون آزمون نهایی و اندازه‌گیری پوشش تجربی نیاز دارد.

7. در توسعهٔ طراحی‌محور، طرح نهایی را با حل‌گر همگرا بررسی و هزینه را اضافه کنید.

تحویلی: سابقهٔ اکتساب، نسخهٔ داده، منحنی آزمون ثابت، عدم‌قطعیت در برابر خطا و طرح مستقل بررسی‌شدهٔ نهایی؛ توضیح دهید سربار مدل‌سازی چه وقت موجه است. در مطالعهٔ فقط پیش‌بینی، طرح اختیاری است و منفعت وارون نباید ادعا شود.

پذیرش: اطلاعات اولیهٔ یکسان برای بذر جفت‌شده، بودجه با شکست، نبود بازخورد آزمون به حلقه، گزارش تکرار و شکست عدم‌قطعیت و مقایسهٔ صرفه‌جویی در دقت بررسی‌شده یا بودجهٔ برابر. گستردگی کوچک ensemble جای کنترل حل‌گر نیست.

بحث: آیا قاعده کل بودجه را روی مرز خرج می‌کند؟ آیا با بایاس مشترک همهٔ اعضا، عدم‌قطعیت کوچک می‌ماند؟ چه وقت تصادفی به همان خوبی است؟

بستهٔ مشارکت پیشنهادی دانشجو¶

راهنمای مشارکت و قالب آزمایشگاه را دنبال و هر درخواست ادغام را برای بازبینی علمی متمرکز نگه دارید. بسته‌ها پیشنهادند و به دانشجوی نام‌برده تکلیف واگذار نمی‌کنند.