動作環境

GeForce GTX 1070 (8GB)
ASRock Z170M Pro4S [Intel Z170chipset]
Ubuntu 16.04 LTS desktop amd64
TensorFlow v1.2.1
cuDNN v5.1 for Linux
CUDA v8.0
Python 3.5.2
IPython 6.0.0 -- An enhanced Interactive Python.
gcc (Ubuntu 5.4.0-6ubuntu1~16.04.4) 5.4.0 20160609
GNU bash, version 4.3.48(1)-release (x86_64-pc-linux-gnu)

学習コードv0.1 http://qiita.com/7of9/items/5819f36e78cc4290614e

http://qiita.com/7of9/items/bc2f8a09d8681702b066
の続き。

概要

This article is related to ADDA (light scattering simulator based on the discrete dipole approximation).

TFRecordsを読込んで学習する
input: 5 nodes
output: 6 nodes
サンプル数: 4,113,648
学習データ: ADDAにより計算した値
- #input
- x,y,z: dipole position
- refractive index: real and imaginary part
- #output
- initial values for linear equation solution for (x,y,z),(real,imaginary)

５次元関数の補間を学習させようとしている。
(5次元の回帰問題というのだろうか？）

補間の対象はADDAでの線形方程式の初期値としている。初期値が実際の解に近い値から線形方程式を解くと、iterationの回数をおさえられるという目論見。

確認事項

https://github.com/adda-team/adda/blob/master/doc/manual.pdf
p39においてADDAに用意されている様々なiterative solverが記載されている。

Bi-CGStab(2)
Bi-CG
Bi-CGStab
CGNR
CSYM
QMR
QMR2

デフォルトはQMR。

TensorFlowでの学習(線形方程式の初期値)によるiteration回数の変化がiterative solverでどう異なるかチェックしてみた。

A:type	B:original[回]	C:TF学習[回]	D:C/B
Bi-CGStab(2)	13	11	0.846
Bi-CG	46	39	0.847
Bi-CGStab	26	22	0.846
CGNR	65	46	0.707
CSYM	112	88	0.785
QMR	47	39	0.829
QMR2	46	39	0.847

(originalの初期誤差:1.0, TF学習を用いた場合の初期誤差:0.0808)

D列の値が0.8程度にしかならない。
「TF学習結果から初期値を計算する時間」と「iterationを減らした時間」を比べて考えたら、計算効率改善には貢献していない。

2007年の計算

2007年にトルコで発表した結果。

計算コード: DDSCAT (v6.1)
m=1.60 + 0.01i
形状: BCCA64, OMMT, GSP
TM, TEモードの初期値を補間
- 入射光の方向に対する補間処理
結果（上図）として、0.2から0.8の範囲でのC/B値を得ていた

この結果をベースとしてトライをしているが、ADDAでは0.8程度にしかならないのはなぜだろうか。

実施した計算の異なる条件を合わせていくと何かわかるだろうか。