两篇新的 arXiv 论文探索使用可微分物理模拟器和物理信息神经网络 (PINNs) 解决反问题。第一篇论文在 12 个可微分物理模拟器上对各种优化器进行了基准测试,以识别参数识别、逆设计和最优控制的有效策略。第二篇论文提出了一种使用 PINNs 的偏微分程约束反问题的去偏估计程序,通过纠正神经网络的干扰函数的偏差,实现了 $\sqrt{n}$ 一致且渐近正态的估计器。 AI
影响 这些论文通过提高 AI 驱动的模拟和参数估计的效率和统计有效性,推动了解决复杂科学和工程问题的能力。
排序理由 两篇在 arXiv 上发表的学术论文,详细介绍了解决反问题的新方法。
- arXiv
- Debarghya Mukherjee
- partial differential equation
- physics-informed neural networks
- automatic differentiation
- differentiable physics simulators
- optimal control
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →