Seorang pengguna membagikan pengalamannya mengenai biaya komputasi dalam menghasilkan dataset pelatihan dari simulasi fisika, seperti aliran fluida dan medan struktural. Mereka menyoroti bahwa tantangan utamanya bukan pada arsitektur model, melainkan kesulitan membangun dataset yang besar dan beragam ketika setiap sampel mahal untuk diproduksi.
Posting ini mencari masukan komunitas tentang beberapa aspek kunci dalam mengelola data simulasi:
- Strategi penarikan sampel untuk kasus yang mahal, termasuk Latin hypercube, pembelajaran aktif, dan penarikan sampel adaptif.
- Format representasi data untuk data medan pada mesh atau grid, seperti point clouds, voxel grids, graphs, atau array seragam yang di-resample ulang.
- Teknik augmentasi seperti simetri, rotasi, dan superposisi, serta potensinya untuk merusak fisika dasar.
- Penggunaan model itu sendiri dalam pembelajaran aktif untuk memutuskan sampel mahal baru mana yang akan dihasilkan selanjutnya.
Penulis secara khusus tertarik pada pengalaman dunia nyata yang berhadapan dengan rezim "sedikit sampel mahal" daripada asumsi big-data standar.