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