PINNs的进展与风险:将物理信息神经网络应用于科学与工程问题的视角

《Computing in Science & Engineering》:Progress and Perils of PINNs: Perspectives on Applying Physics-Informed Neural Networks to Science and Engineering Problems

【字体: 大 中 小 】 时间:2026年03月20日 来源:Computing in Science & Engineering 2.9

编辑推荐:

  摘要:物理信息神经网络(PINNs)将诸如偏微分方程或常微分方程之类的物理模型嵌入到神经网络的损失函数中。近年来,PINNs已在固体力学、计算流体力学、材料建模以及动力学与控制等领域得到应用,涵盖了科学与工程的众多学科。然而,至少在最初的形态下,PINNs往往难以收敛到真实解,无

  

摘要:

物理信息神经网络(PINNs)将诸如偏微分方程或常微分方程之类的物理模型嵌入到神经网络的损失函数中。近年来,PINNs已在固体力学、计算流体力学、材料建模以及动力学与控制等领域得到应用,涵盖了科学与工程的众多学科。然而,至少在最初的形态下,PINNs往往难以收敛到真实解,无法严格遵循已知的物理定律,还会出现各种数值问题(包括那些源自学习流程和算法的问题)。因此,对于是否将PINNs应用于实际的科学与工程问题,学界存在分歧。本文通过简要介绍PINNs的潜力、分析基于PINNs的流程所存在的各种故障模式、以电力系统仿真作为案例推导并应用PINNs,最后提出该领域未来的研究方向,以此来解决这一争议。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号