مقاله معادله گراد-شفرانف از طریق فیزیک بدون داده شبکه های عصبی آگاهانه
| عنوان مقاله به انگلیسی | Grad-Shafranov equilibria via data-free physics informed neural networks |
| عنوان مقاله به فارسی | مقاله معادله گراد-شفرانف از طریق فیزیک بدون داده شبکه های عصبی آگاهانه |
| نویسندگان | Byoungchan Jang, Alan A. Kaptanoglu, Rahul Gaur, Shaowu Pan, Matt Landreman, William Dorland |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 0 |
| دسته بندی موضوعات | Plasma Physics,Machine Learning,Computational Physics,فیزیک پلاسما , یادگیری ماشین , فیزیک محاسباتی , |
| توضیحات | Submitted 22 November, 2023; originally announced November 2023. |
| توضیحات به فارسی | ارسال شده 22 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد. |
چکیده
A large number of magnetohydrodynamic (MHD) equilibrium calculations are often required for uncertainty quantification, optimization, and real-time diagnostic information, making MHD equilibrium codes vital to the field of plasma physics. In this paper, we explore a method for solving the Grad-Shafranov equation by using Physics-Informed Neural Networks (PINNs). For PINNs, we optimize neural networks by directly minimizing the residual of the PDE as a loss function. We show that PINNs can accurately and effectively solve the Grad-Shafranov equation with several different boundary conditions. We also explore the parameter space by varying the size of the model, the learning rate, and boundary conditions to map various trade-offs such as between reconstruction error and computational speed. Additionally, we introduce a parameterized PINN framework, expanding the input space to include variables such as pressure, aspect ratio, elongation, and triangularity in order to handle a broader range of plasma scenarios within a single network. Parametrized PINNs could be used in future work to solve inverse problems such as shape optimization.
چکیده به فارسی (ترجمه ماشینی)
تعداد زیادی از محاسبات تعادل مغناطیسی (MHD) اغلب برای تعیین عدم اطمینان ، بهینه سازی و اطلاعات تشخیصی در زمان واقعی مورد نیاز است و باعث می شود کدهای تعادل MHD برای زمینه فیزیک پلاسما حیاتی باشد.در این مقاله ، ما روشی را برای حل معادله Grad-Shafranov با استفاده از شبکه های عصبی آگاه فیزیک (PINN) بررسی می کنیم.برای PINN ها ، ما شبکه های عصبی را با به حداقل رساندن باقیمانده PDE به عنوان یک عملکرد از دست دادن بهینه می کنیم.ما نشان می دهیم که PINN ها می توانند معادله Grad-Shafranov را با چندین شرایط مرزی مختلف به طور دقیق و مؤثر حل کنند.ما همچنین با تغییر اندازه مدل ، میزان یادگیری و شرایط مرزی ، فضای پارامتر را کشف می کنیم تا نقشه های مختلفی از جمله خطای بازسازی و سرعت محاسباتی را ترسیم کنیم.علاوه بر این ، ما یک چارچوب PINN پارامتری را معرفی می کنیم ، و فضای ورودی را گسترش می دهیم تا متغیرهایی از قبیل فشار ، نسبت ابعاد ، کشیدگی و مثلث را به منظور اداره طیف وسیع تری از سناریوهای پلاسما در یک شبکه واحد ارائه دهیم.از پین های پارامتری شده می توان در کارهای آینده برای حل مشکلات معکوس مانند بهینه سازی شکل استفاده کرد.📚 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.