Um usuário compartilha sua experiência com o custo computacional de gerar conjuntos de dados de treinamento a partir de simulações físicas, como fluxo de fluidos e campos estruturais. Ele destaca que o desafio principal não é a arquitetura do modelo, mas a dificuldade de construir um conjunto de dados grande e diverso quando cada amostra é cara de produzir.
A postagem busca a opinião da comunidade sobre vários aspectos-chave do gerenciamento de dados de simulação:
- Estratégias de amostragem para casos caros, incluindo hipercubo latino, aprendizado ativo e amostragem adaptativa.
- Formatos de representação de dados para dados de campos em malhas ou grades, como nuvens de pontos, grades de voxels, grafos ou arrays uniformes remostrados.
- Técnicas de aumento como simetria, rotação e superposição, e seu potencial de quebrar a física subjacente.
- O uso do próprio modelo no aprendizado ativo para decidir quais novas amostras caras gerar em seguida.
O autor está especialmente interessado em experiências reais lidando com o regime de "poucas amostras caras" em vez das suposições padrão de big data.