Freeze approved B15 fixed tet-speed supervised solver gate
This commit is contained in:
1 parent
47c85a8a14
commit
7a91633244
7 files changed
+108854
No files matched your search
@@ -0,0 +1,24 @@
|
||||
# B15 · 学习局部传播代价,保留四面体求解器
|
||||
|
||||
MoldAstra,2026-11-17,供 Claude 与 MeltAstra。纸面规格,执行在 B14 之后。一折检验的问题是:从学习件到达时间提取的局部传播速度,能否仅由新件几何预测,并通过相同的数值求解器改善填充顺序和时间?[Claude 分工](https://arcticnimbus.slack.com/archives/C0C78UFKGRM/p1794901060901129) · [R4(a) 求解口径](https://drive.google.com/file/d/16do4F5lLl2ct2NXm2nAfUd1rWKmNOVeq/view)
|
||||
|
||||
### 速度监督只来自学习角色
|
||||
|
||||
令 ξ=(x−x̄)/Rg、u=T/t_set。对原 retained tet K 的四顶点取 E 三行为 (ξⱼ−ξ₀)ᵀ,解 Eg=(u₁−u₀,u₂−u₀,u₃−u₀)ᵀ。g 是 P1 单元梯度;无量纲速度标签为 a*=1/‖g‖₂=(t_set/Rg)/‖∇ₓT‖₂。物理速度单位为长度/时间,若需还原乘 Rg/t_set。用 FP64 求解并以 y=−log‖g‖₂ 作回归目标。单位从毫米换成米时 ξ 和 y 应不变。仿射 u=2ξ₁ 给 a*=1/2。
|
||||
|
||||
显式存两个掩码。**几何掩码**核原网格 ID、正体积、有限输入、正 Rg 与 t_set,及 FP64 的 κ₂(E)≤10⁸(建议的数值质量门)。**监督掩码**仅在学习侧生成:四顶点须有有效首次到达记录,排除含任何浇口源点的单元以避开点源奇性;若四点时间跨度 ≤max(δ,64ε₆₄·max(1,maxⱼ|uⱼ|)),记平台或不可分辨。δ 是有独立元数据时的无量纲时间记录分辨率,未知取 0 并记录“仅检查数值并列”。求解后另核 ‖g‖ 有限且严格正。时刻并列的部分顶点不必使整单元无效。逐因统计样本及其体积,区分记录精度、源邻域和几何问题。禁止裁剪目标、给梯度加 ε、把平台当零速或拿相邻真值补标签。斜率很小但通过门的样本按原值入模。监督掩码绝不作为几何预测特征。
|
||||
|
||||
### 从几何预测到整件解码
|
||||
|
||||
1. **只用 A 中不依赖旧 Df 的 15 列。** 去掉全件旧分位 F 和由它生成的三列梯度方向,留下浇口距 Di* 及方向 4 列、物理 Dw/Dw* 及方向 5 列、空间矩 6 列。空间矩邻域按 Di 筛选,须以缓存源码核实列来源。每列取四顶点算术均值作为单元输入,记录原单位、列序与哈希。本选择使新介质在部署时不必先算旧 Df;A 的原 19 列基线沿用。两者的差同时包括输入、监督目标、空间求解和解码的变化。
|
||||
2. **一套固定回归器。** fold0/100% learning,拟合一次平方损失 XGBoost 回归 y,100 棵、深 8、学习率 0.1、seed 0,其他参数沿 A。为使标签产生与拟合可在 2 CPU-h 内预估成本,建议每件按稳定哈希 SHA-256(case ID 和原 tet ID,定长或长度前缀编码)排序,在读标签前固定最多 4096 个 tet,再施加监督掩码,不补抽。训练权重取 |K|/π,π=min(1,4096/N_tet),在有效行整体归一至均值 1;这是对有效域体积加权目标的抽样近似。每件报抽样覆盖与有效分母。没有监督标签的源邻单元同样需要在推理时得到预测。
|
||||
3. **只凭几何对整个验证件预测。** 对每个单元算 â_K=exp(ŷ_K);源邻区和可能的平台也走同一回归器。无验证/测试真 T、梯度、掩码或真实结束时间可供预测。有限正值、平方张量及转成实际求解精度后均须可表示;溢出、下溢、无效几何或不可达分量记整件失败,不剪值、不删 tet 后冒充原域。复用 R4(a) 相同源集、tetFIM 版本、更新、收敛和停止条件。新速度已是**单元常数**,在 ξ 坐标上传 D_K=â_K²I,不再从顶点平均或复用原 Dw 的全壁回退。若库在物理 x 上运行,同一无量纲势应传 (Rg·â_K)²I;任何内部坐标变换按 R4(a) 同比例变换速度,防止重复缩放。保留求解收敛与耗时收据。
|
||||
4. **先求顺序,再标秒。** 得到所有节点的数值传播势 s,源值为零。由整件节点集总体积算严格分位 Uᵢ=Σmⱼ1[sⱼ<sᵢ]/Σmⱼ,保留并列;最终 T̂ᵢ=t_set·c·Uᵢ。c 只用该学习池 retained-tet 结束时间比,沿 H1 的组件内件均值、组件间等权规则,与速度标签抽样无关。若已有相同输入及学习名单的 c、旧 EIK 分数可作对照,直接复用。用于评价的是完整预测冻结后的固定查询。禁止用验证标签定尺度、速度上下界或调求解器。
|
||||
|
||||
### 能保证什么,怎样判
|
||||
|
||||
正且有界的静态各向同性速度、源与查询连通、合适的边界和首达解选择,给出按域内正行程代价取最小值的 Eikonal 首达模型;离散 tetFIM 对应其数值近似,需核收敛和误差。严格体积分位保留 s 的节点顺序与并列,**最终的秒值一般已不满足原速度的 Eikonal 方程**。在理想首达模型中全件 â 同乘正数只会反向缩放 s,故解码后 U 不变;末端指标不能识别速度的全件绝对尺度。实际离散容差可能影响近并列。这些性质均不足以证明真实熔体质量守恒、支路流量、压力因果关系或前沿正常速度在下一工况仍相同。
|
||||
|
||||
一个反例说明梯度监督的边界。一维区间顶点 x=(0,1,2),唯一源在 0,给 T=(0,1,0.5)。两段斜率绝对值分别为 1、0.5,速度标签均为正且可精确得到;按该速度从源传播的末点时间却是 1+0.5=1.5。梯度模丢失方向,局部满足方程的给定场也可能不是从指定源出发的首达解。对注塑,前沿会合、时间量化、热和压力历史都可能留下这种局部速度无法单独解释的信息。在文献中,EikoNet 从已知介质学习到达场,Eikonal DeepONet 以速度场及源为输入学习跨介质算子;B15 反过来从学习侧到达标签估计介质,推理时保留数值求解器。[EikoNet §2–3](https://arxiv.org/html/2004.00361v3) · [Eikonal DeepONet §II](https://arxiv.org/html/2306.05754v1)
|
||||
|
||||
沿 Claude 已冻结的 B12 门:fold0/100% learning 拟合、原 validation 与 A 同查询评分,场 relative L2、末点距离/Rg 及 Kendall τ-b(含未定义件)。按亲缘组件配对 bootstrap,Δ=新臂−A;场 Δ 的 95% 上界<0,或末点 Δ 上界<0 且场 Δ 上界<0.001,才 EXPAND。否则在数据完整、费用允许的条件下剪此配方。τ 解释排序,不参与挑臂。预测失败或不完整保留原分母并单列,不能靠删困难件过门。≤2 worker CPU-h 包括标签准备、拟合、全件验证 tetFIM、解码与评分;若求解成本使门不可评价则 PARKED(resource),不把没算完写成科学否定。本文无运行结果。
|
||||
Reference in new issue
Block a user