深度学习怎么样

笙歌落 · 发表于 Post on 2020-9-25 21:07:45

刚才看到有公众号发表了第一届深度势能分子动力学开发研讨会的文章，这个会议好像是西湖大学工学院研究计算机和人工智能的人发起的吧。其中提到了深度学习，想知道这个前景如何?和机器学习，人工神经网络相比，有什么差别吗?

wzkchem5 · 发表于 Post on 2020-9-27 17:52:05

就是机器学习的一种，具体差别维基搜一下就知道了

笙歌落 · 发表于 Post on 2020-9-27 18:39:45

wzkchem5 发表于 2020-9-27 17:52
就是机器学习的一种，具体差别维基搜一下就知道了

好的，谢谢您。

喵星大佬 · 发表于 Post on 2020-9-27 18:54:10

也是炼丹的一种，为物理原教旨主义者所鄙视的那种

喵星大佬 · 发表于 Post on 2020-9-27 20:07:20

本帖最后由喵星大佬于 2020-9-27 20:08 编辑

笙歌落发表于 2020-9-27 18:39
好的，谢谢您。

从我的理解来说，我可以接受物理模型的近似中引入的误差，同样也接受数学处理中引入的近似和误差，但我不能容忍莫名其妙的拟合参数，哪怕他在某些地方看起来很准，但我不知道他会在哪里出问题也不知道为什么出问题，所以这种东西不可接受。

wxhwbh · 发表于 Post on 2020-9-27 20:44:27

喵星大佬发表于 2020-9-27 20:07
从我的理解来说，我可以接受物理模型的近似中引入的误差，同样也接受数学处理中引入的近似和误差，但我不 ...

正好我正在上机器学习课，就看到了这个帖子。
你这个观点很正常，毕竟现成的物理定律都在那里，严格来说精确的解是可以拿到的，只是目前我们的数学没法处理或者需要及其高的计算代价。
但直接说拟合出的东西没有任何意义是很片面的。很多时候我们不需要严格解析得到非常精确的结果，只要能够说明问题就可以了。从这个层面上讲，拟合的结果可能比严格结果更有价值。比如我做动力学，如果每一步都用精确的从头算方法，当然可以拿到非常靠谱的结果，可是计算代价高得吓人，可能我毕业了都拿不到一条轨迹。而机器学习拟合的势能面就能发挥非常大的作用。我们组有人结合了颚维南组的DeePMD模型来拟合势能面计算动力学，能把以前一些算不动的东西算出来且精度很高（比如光谱的峰位）。这些都是很有意义的研究。
机器学习不止是拟合，甚至光是拟合就有很深的学问在里面。不建议根据道听途说的观念判断一个东西的意义，最好是自己详细了解后再具体评价。

笙歌落 · 发表于 Post on 2020-9-27 21:18:00

喵星大佬发表于 2020-9-27 20:07
从我的理解来说，我可以接受物理模型的近似中引入的误差，同样也接受数学处理中引入的近似和误差，但我不 ...

害，化学，我觉得就是近似-模糊的科学，万物能用就用，能用物理，发展了物理化学，能用数学，有了数学模型，能用计算机，有了计算机化学，能用人工智能，机器学习，人工神经网络，就有了这个深度学习，计算模型，等等。

笙歌落 · 发表于 Post on 2020-9-27 21:20:32

wxhwbh 发表于 2020-9-27 20:44
正好我正在上机器学习课，就看到了这个帖子。
你这个观点很正常，毕竟现成的物理定律都在那里，严格来说 ...

分子光谱的计算化学，这种相关的课题组，您有多少了解？

笙歌落 · 发表于 Post on 2020-9-27 21:26:29

喵星大佬发表于 2020-9-27 20:07
从我的理解来说，我可以接受物理模型的近似中引入的误差，同样也接受数学处理中引入的近似和误差，但我不 ...

换句话说，在化学上，只要能说明问题，指明方向，就能拿来用，所以，我觉得化学很包容，物理内部的理论物理学家和实验物理学家现在其实在互相较劲，谁也不服谁，不过现在是实验物理学家有更大的话语权。数学和物理更多的是严谨，以此产生的美感，我高一物理老师有次在课上对我们说，同学们，你们看，物理真美。

wxhwbh · 发表于 Post on 2020-9-27 21:27:24

笙歌落发表于 2020-9-27 21:20
分子光谱的计算化学，这种相关的课题组，您有多少了解？

首先光谱有很多种，如电子光谱，红外光谱什么的。其次计算光谱的方式也不一样，比如红外光谱可以用normal mode变换计算，也可以用偶极矩时间倒数的Kubo量子关联函数计算。你问得太宽泛了。

wzkchem5 · 发表于 Post on 2020-9-27 23:05:38

喵星大佬发表于 2020-9-27 20:07
从我的理解来说，我可以接受物理模型的近似中引入的误差，同样也接受数学处理中引入的近似和误差，但我不 ...

我觉得只要对descriptor以及需要拟合的物理量做预处理，保证拟合出来的模型可以满足所有已知的精确约束条件，就行了。
比如一个物理量f(x)的取值必须在(0,1)内，那么我们与其拟合f(x)，不如拟合cot(pi*f(x))，然后在得到的模型后面加一步取arccot再除以pi的运算，这样就可以保证拟合出来的f(x)也在(0,1)内。

笙歌落 · 发表于 Post on 2020-9-27 23:55:39

wxhwbh 发表于 2020-9-27 21:27
首先光谱有很多种，如电子光谱，红外光谱什么的。其次计算光谱的方式也不一样，比如红外光谱可以用normal ...

好的，是我不太懂，感觉电子光谱不错

喵星大佬 · 发表于 Post on 2020-9-28 05:06:12

本帖最后由喵星大佬于 2020-9-28 05:09 编辑

wxhwbh 发表于 2020-9-27 20:44
正好我正在上机器学习课，就看到了这个帖子。
你这个观点很正常，毕竟现成的物理定律都在那里，严格来说 ...

用不用是一回事，爽不爽是另一回事，毕竟真香定律一直存在的。

当然现在ML里面鱼龙混杂啥玩意都有，甚至从数据集构建开始就在胡搞的不在少数，一到吹起来就显得非常牛逼，也是很让人不爽的。

喵星大佬 · 发表于 Post on 2020-9-28 05:16:53

本帖最后由喵星大佬于 2020-9-28 05:19 编辑

笙歌落发表于 2020-9-27 21:18
害，化学，我觉得就是近似-模糊的科学，万物能用就用，能用物理，发展了物理化学，能用数学，有了数学模 ...

能用和追求是不一样的，无论现在在用什么，对更底层原理的追求不能变。毕竟上帝只规定了物理常数，而怎么仅从这些出发以预言万物，那就自由发挥了。

笙歌落 · 发表于 Post on 2020-9-28 11:07:14

喵星大佬发表于 2020-9-28 05:16
能用和追求是不一样的，无论现在在用什么，对更底层原理的追求不能变。毕竟上帝只规定了物理常数，而怎么 ...

我不信上帝

		自动登录 Automatic login	找回密码 Forget password
密码 Password			注册 Register

[科研杂谈] 深度学习怎么样