アンバランスを考慮した深層学習による物理系の学習

抄録

偏微分方程式（PDE）により表される物理システムのシミュレーションは，広い分野で重要である．ニューラルネットワークの優れた近似性および汎化性能により，物理システムの学習に大きな進歩が見られたが，必ずしも十分なものであるとは言えない．一部の物理システムでは，大部分の時点で類似した現象を示すが，稀に急激な挙動を示すことがあり，データセットが一種のクラスインバランスに悩まされることがある．しかし，これまでにこの問題に焦点を当てた学習は行われていない．そこで，本研究では物理システムにおけるクラスインバランスに対処するimbalance-aware lossを提案する．このimbalance-aware lossは，本当に学習の難しい部分に焦点を当てた学習を行う．PDEシステムを用いて提案手法を評価し，既存手法との比較を行い，提案手法の有用性が示された．