Fizik Tabanlı Derin Öğrenme Kitabı

Fizik Tabanlı Derin Öğrenme

Giriş

• Fizik simülasyonlarıyla ilgili derin öğrenmeye pratik ve kapsamlı bir giriş sunuyor
• Jupyter Notebook biçiminde sunulduğu için kod örnekleri doğrudan çalıştırılıp değiştirilebiliyor
• Veriden standart gözetimli öğrenmenin yanı sıra fiziksel kayıp kısıtları, diferansiyellenebilir simülasyonla birleştirilen öğrenme algoritmaları, fizik problemlerine uyarlanmış öğrenme algoritmaları, pekiştirmeli öğrenme ve belirsizlik modellemeyi ele alıyor

Yeni içerik

• v0.2 ile DP'nin NN eğitimine entegre edildiği genişletilmiş bir bölüm ve fizik problemleri için iyileştirilmiş öğrenme yöntemlerine dair yeni bir bölüm eklendi

Yakında

• Bir sonraki bölüm, bir kanat profili etrafındaki akışkan akışının nasıl çıkarım yapılacağını ve tahminlerdeki belirsizliğin nasıl hesaplanacağını ele alıyor
• Model denklemlerini artıklar olarak kullanarak ağın nasıl eğitileceğini ve diferansiyellenebilir simülasyon kullanılarak bu artık kısıtlarının nasıl iyileştirileceğini açıklıyor
• Ters problem çözümü için tüm simülatörle daha sıkı biçimde nasıl etkileşim kurulacağını ele alıyor
• Güncelleme adımındaki tersine çevirmeyi önemli bir konu olarak işliyor ve daha yüksek dereceden bilginin yakınsama hızını artırmak ve daha doğru sinir ağları elde etmek için nasıl kullanılabileceğini açıklıyor

Çalıştırılabilir kod

• Jupyter Notebook kullanarak tüm kod örnekleri doğrudan tarayıcıda çalıştırılabiliyor
• Belgelerdeki bağlantılar üzerinden örnek kodlar çalıştırılabiliyor

Görüş ve öneriler

• Bu kitap, TUM'un Fizik Tabanlı Simülasyon Grubu tarafından sürdürülüyor
• Görüş bildirmek veya hata bulduğunuzda e-postayla iletişime geçilebiliyor
• Son araştırma makalelerine ait bağlantı derlemesi de ayrıca sürdürülüyor

Teşekkür

• Proje, birçok kişinin yardımıyla mümkün oldu
• Katkıda bulunanlara teşekkür ediliyor

Alıntı

• Bu kitap faydalı olduysa lütfen aşağıdaki gibi alıntılayın:

  @book{thuerey2021pbdl,
    title={Physics-based Deep Learning},
    author={Nils Thuerey and Philipp Holl and Maximilian Mueller and Patrick Schnell and Felix Trost and Kiwon Um},
    url={https://physicsbaseddeeplearning.org},
    year={2021},
    publisher={WWW}
  }
  

GN⁺ Özeti

• Bu yazı, fizik simülasyonları ile derin öğrenmeyi birleştiren bir metodolojiyi tanıtıyor
• Jupyter Notebook üzerinden uygulamalı kod örnekleri sunarak öğrenmeyi destekliyor
• Fiziksel kayıp kısıtları, diferansiyellenebilir simülasyon, pekiştirmeli öğrenme gibi çeşitli konuları ele alıyor
• Fizik tabanlı derin öğrenme (PBDL) yaklaşımıyla bilgisayar simülasyonlarının olanakları büyük ölçüde genişletilebiliyor