مقاله مقدمهای عملی بر شبکههای عصبی مبتنی بر فیزیک برای حل معادلات دیفرانسیل جزئی با آزمونهای معیار برگرفته از اخترفیزیک و فیزیک پلاسما
| عنوان مقاله به انگلیسی | A hands-on introduction to Physics-Informed Neural Networks for solving partial differential equations with benchmark tests taken from astrophysics and plasma physics |
| عنوان مقاله به فارسی | مقاله مقدمه ای در مورد شبکه های عصبی آگاه از فیزیک برای حل معادلات دیفرانسیل جزئی با تست های معیار گرفته شده از اخترفیزیک و فیزیک پلاسما |
| نویسندگان | Hubert Baty |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 37 |
| دسته بندی موضوعات | Computational Physics,Solar and Stellar Astrophysics,Mathematical Physics,فیزیک محاسباتی , اخترفیزیک خورشیدی و ستاره ای , فیزیک ریاضی , |
| توضیحات | Submitted 1 March, 2024; originally announced March 2024. |
| توضیحات به فارسی | ارسال 1 مارس 2024 ؛در ابتدا مارس 2024 اعلام شد. |
چکیده
I provide an introduction to the application of deep learning and neural networks for solving partial differential equations (PDEs). The approach, known as physics-informed neural networks (PINNs), involves minimizing the residual of the equation evaluated at various points within the domain. Boundary conditions are incorporated either by introducing soft constraints with corresponding boundary data values in the minimization process or by strictly enforcing the solution with hard constraints. PINNs are tested on diverse PDEs extracted from two-dimensional physical/astrophysical problems. Specifically, we explore Grad-Shafranov-like equations that capture magnetohydrodynamic equilibria in magnetically dominated plasmas. Lane-Emden equations that model internal structure of stars in sef-gravitating hydrostatic equilibrium are also considered. The flexibility of the method to handle various boundary conditions is illustrated through various examples, as well as its ease in solving parametric and inverse problems. The corresponding Python codes based on PyTorch/TensorFlow libraries are made available.
چکیده به فارسی (ترجمه ماشینی)
من مقدمه ای برای استفاده از شبکه های یادگیری عمیق و عصبی برای حل معادلات دیفرانسیل جزئی (PDE) ارائه می دهم.این رویکرد ، که به عنوان شبکه های عصبی آگاه از فیزیک (PINNS) شناخته می شود ، شامل به حداقل رساندن باقیمانده معادله ارزیابی شده در نقاط مختلف در دامنه است.شرایط مرزی یا با معرفی محدودیت های نرم با مقادیر داده مرزی مربوطه در فرآیند به حداقل رساندن یا با اجرای دقیق راه حل با محدودیت های سخت گنجانیده شده است.PINN ها بر روی PDE های متنوع استخراج شده از مشکلات فیزیکی/اخترفیزیکی دو بعدی آزمایش می شوند.به طور خاص ، ما معادلات Grad-Shafranov را که تعادل مگنتوهیدرودینامیکی را در پلاسماهای حاکم بر مغناطیسی ضبط می کنند ، کشف می کنیم.معادلات خطی که از ساختار داخلی ستارگان در تعادل هیدرواستاتیک SEF-جاذبه مدل مدل می کنند نیز در نظر گرفته شده است.انعطاف پذیری روش برای رسیدگی به شرایط مختلف مرزی از طریق مثالهای مختلف و همچنین سهولت آن در حل مشکلات پارامتری و معکوس نشان داده شده است.کدهای پایتون مربوطه بر اساس کتابخانه های Pytorch/tensorflow در دسترس هستند.📚 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.