MMGP: a Mesh Morphing Gaussian Process-based machine learning method for regression of physical problems under non-parameterized geometrical variability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This dataset contains 2D quasistatic non-linear structural mechanics solutions, under geometrical variations. A Description is provided in the MMGP paper Sections 4.1 and A.2. The file format is PLAID, see the plaid documentation. The variablity in the samples are 6 input scalars and the geometry (mesh). Outputs of interest are 4 scalars and 6 fields. Seven nested training sets of sizes 8 to 500 are provided, with complete input-output data. A testing set of size 200, as well as two out-of-distribution sample, are provided, for which outputs are not provided. Tips to access the data: After decompressing the downloaded file: dataset = Dataset()problem = ProblemDefinition() problem._load_from_dir_(os.path.join(/path/to/data,'problem_definition'))dataset._load_from_dir_(os.path.join(/path/to/data,'dataset'), verbose = True) print("problem =", problem)print("dataset =", dataset) sample = dataset[0]print("sample =", sample) for fn in sample.get_field_names(): print(f"{fn} =", sample.get_field(fn))for sn in sample.get_scalar_names(): print(f"{sn} =", sample.get_scalar(sn)) print("nodes =", sample.get_nodes())print("elements =", sample.get_elements())print("nodal_tags =", sample.get_nodal_tags())
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle