标签
提出一种与坐标系无关的自动微分形式化方法，将几何代数作为代数数据引入自动微分（AD），使得单一的基无关导数算子能够表示多种几何微分算子，并可与 JAX 的批处理、编译和硬件加速组合使用，应用于科学人工智能中的流形算子和时空反问题管线。
本文比较了周期性物理信息神经网络中的傅里叶谱微分与空间自动微分，发现傅里叶方法在不损害准确性的前提下，显著加快了训练速度并减少了内存消耗。
本文提出了AD-TLERT，一个基于自动微分的统一GPU加速时移电阻率层析成像反演框架，实现了高效灵活的水文监测，并显著提升了速度。
本文逐步追踪了PyTorch的自动微分引擎如何为物理信息神经网络训练计算梯度，包括物理残差和参数梯度所需的两个层次的微分，并使用一个简单的MLP和ODE示例。
本文档介绍了 hijax 类型，这是 JAX 的一项新功能，允许定义具有自身不变量、切线类型、批处理和分片行为的自定义类型，并通过量化数组的示例进行说明。
这篇博客文章将微分学（分析）视为算法化且容易，而将积分学（综合）视为非算法化且困难，并与数学、计算机科学以及通过自动微分进行人工智能训练的广泛主题进行类比。
Microcrad 用C语言重新实现了 Karpathy 的 micrograd 自动微分引擎，提供了一个教育性的标量值自动微分库，带有引用计数和小型神经网络，旨在帮助在标量层面理解反向传播。
由 MIT 应用数学团队提供的免费 57 分钟资源，涵盖了矩阵计算和自动微分，面向量化专家和优化领域，并强调了 Jane Street 为此类技能提供的高额薪酬。
本文提出了acopula，一个JAX原生的嵌套阿基米德Copula推断框架，能够处理任意删失、嵌套树，并利用泰勒模式自动微分计算精确参数梯度，相比现有方法实现了显著的加速。
本文提出了针对具有状态依赖事件的微分代数方程（DAEs）的可微参数优化方法，并比较了通过模拟实现的自动微分与显式离散伴随方法。