Un utilisateur partage son expérience concernant le coût computationnel de la génération de jeux de données d'entraînement à partir de simulations physiques, telles que l'écoulement fluide et les champs structurels. Il souligne que le défi principal n'est pas l'architecture du modèle, mais la difficulté de construire un jeu de données large et diversifié lorsque chaque échantillon est coûteux à produire.
Le post cherche des contributions de la communauté sur plusieurs aspects clés de la gestion des données de simulation :
- Stratégies d'échantillonnage pour les cas coûteux, y compris l'hypercube latin, l'apprentissage actif et l'échantillonnage adaptatif.
- Formats de représentation des données pour les champs sur maillages ou grilles, tels que les nuages de points, les grilles de voxels, les graphes ou les tableaux uniformes résamplelés.
- Techniques d'augmentation comme la symétrie, la rotation et la superposition, et leur potentiel à briser la physique sous-jacente.
- L'utilisation du modèle lui-même dans l'apprentissage actif pour décider quels nouveaux échantillons coûteux générer ensuite.
L'auteur s'intéresse particulièrement aux expériences réelles confrontées au régime des « quelques échantillons coûteux » plutôt qu'aux hypothèses standard du big-data.