Comment ça marche
AlphaCube introduit les fonctionnalités suivantes :
1. Compromis fluide entre latence et qualité
AlphaCube offre un mécanisme unique de compromis qui équilibre dynamiquement la latence et la qualité de la solution. Plus vous allouez de temps pour la résolution, plus les solutions générées deviennent raffinées.
2. Résolution ergonomique avec biais
AlphaCube vous permet de personnaliser le comportement du solveur IA en appliquant un "biais ergonomique". Cette fonctionnalité vous permet d'orienter le solveur vers la recherche d'algorithmes optimaux en termes de vitesse, en accord avec vos préférences et exigences.
Ces fonctionnalités reposent sur la nature probabiliste de la méthode fondamentale d'AlphaCube, comme décrit ci-dessous.
EfficientCube
AlphaCube s'appuie méthodologiquement sur EfficientCube (TMLR'23), la méthode d'apprentissage profond de pointe pour résoudre les problèmes combinatoires à objectif prédéfini (surpassant DeepCubeA).
Au cœur, un réseau de neurones profond (DNN) est entraîné pour prédire les prochains mouvements qui rapprocheraient un état donné d'un pas vers l'objectif. EfficientCube applique séquentiellement ces mouvements prédits pour résoudre le défi donné.
Sous le capot, le DNN émet une distribution de probabilité des mouvements optimaux pour évaluer les mouvements candidats.
EfficientCube évalue les solutions candidates en fonction de ces probabilités. En utilisant une méthode de recherche appelée recherche par faisceau, EfficientCube fait un compromis entre le temps de calcul et de meilleures/plus courtes solutions.
Veuillez vous référer à l'article original et au code source pour plus de détails, comme la façon dont les solutions candidates sont évaluées.
Solutions optimales en vitesse
En tirant parti de la nature probabiliste d'EfficientCube, nous pouvons également obtenir des solutions ergonomiques/optimales en vitesse.
En appliquant une "distribution de biais ergonomique" à la distribution de probabilité prédite des prochains mouvements, la sortie du solveur IA peut être intentionnellement biaisée vers l'optimalité de la vitesse :
Plus précisément, le calcul du produit scalaire entre les distributions des mouvements théoriquement optimaux et des mouvements ergonomiques/souhaitables crée une distribution de probabilité optimale en vitesse pour les prochains mouvements. Techniquement, cette approche recadre le Rubik's Cube comme un graphe implicite pondéré, où les longueurs des arêtes représentent leur facilité d'exécution manuelle. Le contrôle approprié de ce biais ergonomique selon vos préférences vous donne non seulement des solutions efficaces mais aussi optimales en vitesse qui s'alignent avec vos doigts.