Fizika informált neurális hálózatok alkalmazása (Physics Informed Neural Networks, PINN)
2024-2025 tavasz
Szoftver
Téma leírása
A mélytanulási módszerek fejlődése új lehetőségeket nyitott a természettudományos problémák modellezésében és megoldásában. A fizika-informált neurális hálózatok (Physics-Informed Neural Networks, PINN) az MI egy olyan innovatív ága, amely ötvözi a neurális hálózatok rugalmasságát a fizikai törvényszerűségek szigorával. Ezek a hálózatok általában olyan feladatok esetén alalmazhatóak, ahol egy rendszer állapota alapján bizonyos származtatott (általában mérési) eredmények szimuláció segítségével determinisztikus módon kiszámíthatóak, azonban a mérési/származtatott eredmények alapján szeretnénk visszaszámolni a rendszer belső állapotát. Ilyen módon egy inverz feladat megoldása a cél a neurális hálózat segítségével.
A PINN-ek különösen ígéretesek olyan területeken, ahol a klasszikus numerikus megoldások számítási költségei magasak, vagy ahol részleges adatokkal kell dolgozni. Ezzel a megközelítéssel olyan komplex rendszerek is vizsgálhatók, amelyek leírása hagyományos módszerekkel nehéz vagy költséges lenne.
A fizikai neurális hálózatok alkalmazását egy hídra telepíthető tengelysúlymérő rendszer (Bridge Weigh-in-Motion) esetében a gyakorlatban is lehetőséged lesz kipróbálni valós problémán.
A téma nem igényel mély fizikai ismereteket, a fizikai probléma leírását megkapod pusztán matematikai leírás segítéségével. :)
Saját probléma is hozható a téma keretében, azonban akkor mindenképp egyeztessünk róla.
A téma TDK-ra is továbbvihető.
Bővebb infókért keress bátran. A témára való jelentkezés előtt beszélgessünk egyet.
Feltételek
-
Tapasztalat a mélytanulás területén (legalább konvolúciós neurális hálók ismerete)
-
Legalább egy mélytanulási keretrendszer alapszintű ismerete
-
PyTorch ismerete előny, de nem követelmény
Maximális létszám:
2 fő