Improvise, Adapt, Overcome: An On-The-Fly Multifidelity Algorithm for Efficient Machine Learning
Este artigo introduz um framework de aprendizado de máquina de multifidelidade adaptativo e em tempo real que otimiza autonomamente a composição dos dados de treinamento entre os níveis de fidelidade, reduzindo significativamente os custos de geração de dados e eliminando a redundância em comparação com métodos de fidelidade única e de multifidelidade padrão em aplicações de química quântica.