مقاله رمزگشایی و ادغام متغیر برای یادگیری عملگر عصبی با مکانیسم های مختلف فیزیکی
| عنوان مقاله به انگلیسی | Deciphering and integrating invariants for neural operator learning with various physical mechanisms |
| عنوان مقاله به فارسی | مقاله رمزگشایی و ادغام متغیر برای یادگیری عملگر عصبی با مکانیسم های مختلف فیزیکی |
| نویسندگان | Rui Zhang, Qi Meng, Zhi-Ming Ma |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 22 |
| دسته بندی موضوعات | Machine Learning,Numerical Analysis,Computational Physics,یادگیری ماشین , تجزیه و تحلیل عددی , فیزیک محاسباتی , |
| توضیحات | Submitted 24 November, 2023; originally announced November 2023. |
| توضیحات به فارسی | ارسال شده 24 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد. |
چکیده
Neural operators have been explored as surrogate models for simulating physical systems to overcome the limitations of traditional partial differential equation (PDE) solvers. However, most existing operator learning methods assume that the data originate from a single physical mechanism, limiting their applicability and performance in more realistic scenarios. To this end, we propose Physical Invariant Attention Neural Operator (PIANO) to decipher and integrate the physical invariants (PI) for operator learning from the PDE series with various physical mechanisms. PIANO employs self-supervised learning to extract physical knowledge and attention mechanisms to integrate them into dynamic convolutional layers. Compared to existing techniques, PIANO can reduce the relative error by 13.6\%-82.2\% on PDE forecasting tasks across varying coefficients, forces, or boundary conditions. Additionally, varied downstream tasks reveal that the PI embeddings deciphered by PIANO align well with the underlying invariants in the PDE systems, verifying the physical significance of PIANO. The source code will be publicly available at: https://github.com/optray/PIANO.
چکیده به فارسی (ترجمه ماشینی)
اپراتورهای عصبی به عنوان مدل های جانشین برای شبیه سازی سیستم های فیزیکی برای غلبه بر محدودیت های حل کننده های معادله دیفرانسیل جزئی سنتی (PDE) مورد بررسی قرار گرفته اند.با این حال ، اکثر روشهای یادگیری اپراتور موجود فرض می کنند که داده ها از یک مکانیسم فیزیکی واحد سرچشمه می گیرند و کاربرد و عملکرد آنها را در سناریوهای واقع بینانه تر محدود می کنند.برای این منظور ، ما عملگر عصبی توجه فیزیکی (پیانو) را برای رمزگشایی و ادغام ثابت های فیزیکی (PI) برای یادگیری اپراتور از سری PDE با مکانیسم های مختلف فیزیکی پیشنهاد می کنیم.پیانو برای استخراج دانش بدنی و مکانیسم های توجه برای ادغام آنها در لایه های حلقوی پویا ، از یادگیری خود سنجی استفاده می کند.در مقایسه با تکنیک های موجود ، پیانو می تواند خطای نسبی را با 13.6 ٪-82.2 ٪ در کارهای پیش بینی PDE در ضرایب مختلف ، نیروها یا شرایط مرزی کاهش دهد.علاوه بر این ، وظایف پایین دست متنوع نشان می دهد که تعبیه شده PI که توسط پیانو رمزگشایی شده است به خوبی با متغیرهای اساسی در سیستم های PDE تراز می شود و اهمیت جسمی پیانو را تأیید می کند.کد منبع به صورت عمومی در: https://github.com/optray/piano در دسترس خواهد بود.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.