注重结果,拒绝借口;主人翁精神,
说到做到;高效执行
3月23日,「沣」收计划之十沣大讲堂第16期成功举办,本期主题为“正向与反向求解PDE问题的深度学习算法与应用”。华中科技大学孟旭辉副教授作为本期演讲嘉宾,向大家介绍了若干新开发的用于解决偏微分方程的正反问题的PINNs及相关应用。
▲物理信息神经网络示意图
据介绍,PINNs(Physics Informed Neural Networks )是新近发展起来的物理信息神经网络,可以将物理规律以损失函数的形式加入到神经网络的训练过程中,能更加高效地训练出符合物理规律的网络。利用这种方法,可以求解偏微分方程的正反问题。与经典数值方法相比,训练后的PINNs求解偏微分方程正问题的效率更高;而对于各种类型的反问题,PINNs可以通过改变损失函数的定义方便地引入各种约束,用统一的求解框架进行训练,对于噪声污染的数据也有很强的适应性,特别是使用贝叶斯网络可获得更好的预测结果。
▲贝叶斯物理信息神经网络示意图
在本次讲座中,孟旭辉教授重点介绍了用于拟合和预测具有混合精度数据的PINNs,和用于量化预测中不确定性的贝叶斯物理信息神经网络。此外,孟旭辉教授还分享了此类深度学习算法在各种科学和工程学科中的应用,如海洋温度预测、发动机故障诊断等领域。
在交流问题环节,十沣科技技术团队就高保真度和低保真度两种数据算法如何应用于CFD的计算中、中间层神经网络为什么要分为两部分、生成网络部分的先验如何实现等具体技术细节问题,与孟旭辉教授进行了深入交流。这些问题的解决将有助于拓宽十沣科技技术团队对PDE问题的解决思路。
“十沣大讲堂”是由十沣科技发起的一项技术交流系列活动。活动不定期邀请高校和科研机构知名专家学者,通过线上讲座的方式,向十沣科技研发团队介绍前沿技术成果与发展趋势。活动的成功举办将为十沣科技研发团队提供更广阔的技术视野,并为高校及科研机构工作者搭建起与产业用户交流沟通的桥梁。
关于「“ 沣 ” 收计划」