研究人員已經(jīng)開始探索使用ML在高性能計(jì)算方面提供持續(xù)改進(jìn)的可能,以解決偏微分方程和科學(xué)計(jì)算中的困難計(jì)算問題。他們發(fā)現(xiàn),ML可以用來學(xué)習(xí)在更粗的網(wǎng)格上更好地表示PDEs。
他們能夠改進(jìn)現(xiàn)有的方案,用基于機(jī)器學(xué)習(xí)的優(yōu)化規(guī)則取代基于人類深刻洞察力的啟發(fā)式。根據(jù)他們的說法,他們在ML模型中發(fā)現(xiàn)的規(guī)則是復(fù)雜的,他們并不完全理解這些規(guī)則,但是他們集成了復(fù)雜的物理原理,比如“上卷”的概念。為了精確地模擬流體中向你吹來的東西,你應(yīng)該順著風(fēng)吹來的方向向上看。下面是他們在一個(gè)簡單的流體動力學(xué)模型上的結(jié)果的一個(gè)例子。
本研究的重點(diǎn)是提高技術(shù),以解決更大規(guī)模的模擬現(xiàn)實(shí)世界的科學(xué)計(jì)算問題,如天氣和氣候預(yù)測。
研究人員還展示了一種將機(jī)器學(xué)習(xí)和物理有效結(jié)合起來的方法。神經(jīng)網(wǎng)絡(luò)可以與傳統(tǒng)模擬方法中的組件相結(jié)合,從而在復(fù)雜的高維空間中學(xué)習(xí)插值的最優(yōu)規(guī)則,而不是從零開始學(xué)習(xí)物理。
通過這樣的研究,我們可以期待更多的增強(qiáng)工程系統(tǒng)、自然現(xiàn)象仿真、知識發(fā)現(xiàn)、可視化數(shù)據(jù)處理以及更好的優(yōu)化手段。
-
Google
+關(guān)注
關(guān)注
5文章
1787瀏覽量
58649 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8490瀏覽量
134022
原文標(biāo)題:PADS特訓(xùn)班學(xué)員2層板學(xué)習(xí)心得分享
文章出處:【微信號:FANYPCB,微信公眾號:凡億PCB】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
【「零基礎(chǔ)開發(fā)AI Agent」閱讀體驗(yàn)】+讀《零基礎(chǔ)開發(fā)AI Agent》掌握扣子平臺開發(fā)智能體方法
【「零基礎(chǔ)開發(fā)AI Agent」閱讀體驗(yàn)】+ 入門篇學(xué)習(xí)
漫畫微分方程-[日]佐藤實(shí)
EDA2俠客島難題挑戰(zhàn)·2025已正式開啟
《AI Agent 應(yīng)用與項(xiàng)目實(shí)戰(zhàn)》----- 學(xué)習(xí)如何開發(fā)視頻應(yīng)用
了解DeepSeek-V3 和 DeepSeek-R1兩個(gè)大模型的不同定位和應(yīng)用選擇
谷歌加速AI部門整合:AI Studio團(tuán)隊(duì)并入DeepMind
一文詳解物理信息神經(jīng)網(wǎng)絡(luò)

NVIDIA AI助力實(shí)現(xiàn)更好的癌癥檢測
AI大模型與深度學(xué)習(xí)的關(guān)系
《AI for Science:人工智能驅(qū)動科學(xué)創(chuàng)新》第二章AI for Science的技術(shù)支撐學(xué)習(xí)心得
拉普拉斯變換的作用及意義
運(yùn)放減法電路微分方程怎么求

AnyWay零磁通電流傳感器的工作原理

評論