KAN-GCN: Combining Kolmogorov-Arnold Network with Graph Convolution Network for an Accurate Ice Sheet Emulator
Created by
Haebom
Category
Empty
저자
Zesheng Liu, YoungHyun Koo, Maryam Rahnemoonfar
KAN-GCN: 아이스 시트 모델링을 위한 빠르고 정확한 에뮬레이터
개요
본 논문은 Kolmogorov-Arnold Network (KAN)을 그래프 컨볼루션 네트워크(GCN) 앞에 배치하여 아이스 시트 모델링을 위한 빠르고 정확한 에뮬레이터인 KAN-GCN을 소개합니다. KAN은 학습 가능한 1차원 와핑과 선형 혼합 단계를 적용하여 메시지 전달 깊이를 증가시키지 않고 특징 컨디셔닝과 비선형 인코딩을 개선합니다. 이 아키텍처는 남극 파인 아일랜드 빙하의 36개 융해율 시뮬레이션과 3가지 메쉬 크기 설정을 사용하여 훈련 및 테스트되었습니다.
시사점, 한계점
•
2~5 레이어 아키텍처에서 KAN-GCN은 순수 GCN 및 MLP-GCN 기준선과 정확도가 일치하거나 초과합니다.
•
작은 파라미터 오버헤드에도 불구하고, KAN-GCN은 노드별 변환으로 에지별 메시지 전달 레이어 하나를 대체하여 더 거친 메쉬에서 추론 처리량을 향상시킵니다.
•
가장 미세한 메쉬에서만 약간의 비용이 발생합니다.
•
KAN-first 디자인은 대규모 과도 시나리오 스윕에 대해 유리한 정확도 대 효율성 트레이드 오프를 제공합니다.
