> 文章列表 > 基于物理信息的神经网络(PINN)基础【1】与文言一心模型测试

基于物理信息的神经网络(PINN)基础【1】与文言一心模型测试

基于物理信息的神经网络(PINN)基础【1】与文言一心模型测试

物理信息神经网络基础【1】

  • 1. 基于物理信息的神经网络基本概念
  • 2. 论文概览:布朗大学Raissi等提出的PINN网络模型
    • 2.1 物理信息嵌入的PINN方法设计缘由
    • 2.2 PINN模型的基本构成
    • 2.3 研究背景
    • 2.4 问题的数学描述
  • 3. 基于文言一心的概念分析
  • 参考文献资料

1. 基于物理信息的神经网络基本概念

基于物理信息的神经网络(Physics-informed Neural Network, 简称PINN),是一类用于解决有监督学习任务的神经网络,同时尊重由一般非线性偏微分方程描述的任何给定的物理规律。

2. 论文概览:布朗大学Raissi等提出的PINN网络模型

2019年,来自布朗大学应用数学的研究团队Raissi和Perdikaris 等提出了一种用物理方程作为运算限制的“物理激发的神经网络” (PINN) 并发表在了计算物理学领域权威杂志《计算物理学期刊》(Journal of Computational Physics) 上。这篇论文一经发表就获得了大量关注。这篇论文因为代码体系的完整性使得开发人员们很容易上手把相关的学习框架应用到不同领域上去。所以在发表不久之后,一系列不同的PINN也被其他研究者开发出来。甚