CODES: Benchmarking Coupled ODE Surrogates

要約

結合された ODE システムのサロゲート アーキテクチャを包括的に評価するためのベンチマークである CODES を紹介します。
CODES は、平均二乗誤差 (MSE) や推論時間などの標準的な指標に加えて、内挿、外挿、疎データ、不確実性の定量化、勾配相関などの複数の次元にわたる代理動作に関する洞察を提供します。
このベンチマークは、統合された並列トレーニング、Web ベースの構成ジェネレーター、事前実装されたベースライン モデルとデータセットなどの機能を通じて使いやすさを重視しています。
広範な文書化により持続可能性が保証され、共同で改善するための基盤が提供されます。
CODES は、公平かつ多面的な比較を提供することで、研究者が特定のデータセットやアプリケーションに最適なサロゲートを選択できるようにするとともに、サロゲートの学習行動についての理解を深めます。

要約(オリジナル)

We introduce CODES, a benchmark for comprehensive evaluation of surrogate architectures for coupled ODE systems. Besides standard metrics like mean squared error (MSE) and inference time, CODES provides insights into surrogate behaviour across multiple dimensions like interpolation, extrapolation, sparse data, uncertainty quantification and gradient correlation. The benchmark emphasizes usability through features such as integrated parallel training, a web-based configuration generator, and pre-implemented baseline models and datasets. Extensive documentation ensures sustainability and provides the foundation for collaborative improvement. By offering a fair and multi-faceted comparison, CODES helps researchers select the most suitable surrogate for their specific dataset and application while deepening our understanding of surrogate learning behaviour.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google