贝叶斯优化新突破：能耗更低，最优解反而更好！
Energy-aware frugal Bayesian optimization
📖 AI 总结
本文提出一种能耗感知的节俭贝叶斯优化方法，针对现代设计优化框架普遍追求预测精度而忽视计算开销的问题，将量化计算能耗足迹的指标引入贝叶斯优化框架，用以引导模型参数配置在性能与节俭性之间取得平衡。研究通过计算机实验揭示了最优收敛性与底层能耗足迹之间存在的权衡关系，并在部分情形下同时实现了更优的寻优结果与更低的能耗。该工作为大规模架构与多学科设计优化问题提供了兼顾性能与能效的新思路，对推动绿色高效的优化计算具有参考意义。
🔑 关键词速览
| 贝叶斯优化 | 一种基于概率代理模型的全局优化方法，适用于评估代价高昂的黑箱函数。 |
| 能量足迹 | 量化计算过程所消耗能源总量的指标，用于衡量优化方案的环境或资源代价。 |
| 节俭性 | 在优化中追求以较低计算资源或能耗达到可接受性能的设计原则。 |
| 多学科设计优化 | 一种面向复杂工程系统的优化方法，需同时协调多个学科的分析模型与设计变量。 |
| 样本高效 | 指优化算法在较少函数评估次数下即可找到较优解的特性。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅