gp2Scale: Exakte Gaussianprozesse für 10 Millionen Datenpunkte ohne Approximationen
Ein neues Verfahren namens gp2Scale ermöglicht es, exakte Gaussianprozesse auf mehr als 10 Millionen Datenpunkten zu skalieren, ohne auf Induktionspunkte, Kernel‑Interpolation oder Nachbarschaftsapproximationen zurückzugreifen.
Durch die Verwendung kompakt unterstützter, nicht‑stationärer Kernel erkennt gp2Scale natürliche Sparsität in der Kovarianzmatrix, die für effiziente lineare Gleichungslösungen und Log‑Determinantenberechnungen genutzt wird.
Die Methode wurde an mehreren realen Datensätzen getestet und mit führenden Approximationstechniken verglichen. In vielen Fällen liefert gp2Scale eine bessere Genauigkeit bei gleicher oder geringerer Rechenzeit.
Besonders hervorzuheben ist die Flexibilität: gp2Scale ist unabhängig von spezifischen Kernel‑, Rausch‑ oder Mittelwertmodellen und funktioniert in beliebigen Eingaberaumdimensionen, was es ideal für moderne Anwendungen macht.
Die Veröffentlichung auf arXiv (2512.06143v1) markiert einen wichtigen Fortschritt für die Gaussian‑Process‑Community, indem sie die Lücke zwischen exakter Modellierung und Skalierbarkeit schließt.