塞巴斯蒂安·米图什。;西蒙·冯克(Simon W.Funke)。;米罗斯拉夫·库赫塔 混合FEM-NN模型:将人工神经网络和有限元方法相结合。 (英语) Zbl 07516461号 J.计算。物理学。 446,文章ID 110651,21 p.(2021). 摘要:我们提出了一种以偏微分方程(PDE)形式将神经网络与物理原理约束相结合的方法。该方法允许训练神经网络,同时将PDE视为优化中的一个强大约束,而不是使其成为损失函数的一部分。所得模型通过有限元法(FEM)在空间中离散。该方法适用于静态和瞬态以及线性/非线性偏微分方程。我们将该方法的实现描述为现有FEM框架FEniCS及其算法微分工具dolfin-adjoint的扩展。通过一系列示例,我们展示了该方法从观测值中恢复系数和缺失PDE算子的能力。此外,将该方法与其他方法进行了比较,即物理信息神经网络和标准PDE约束优化。最后,我们使用深度神经网络演示了一个复杂心脏细胞模型问题的方法。 引用于10文件 MSC公司: 6500万 偏微分方程、初值和含时初边值问题的数值方法 68泰克 人工智能 90立方厘米 数学编程 关键词:数据驱动的科学计算;偏微分方程;学习未知物理;机器学习;有限元法 软件:L-BFGS公司;科学Py;L-BFGS-B型;LBFGS-B型;DOLFIN公司;吨;dcc公司;XPIN编号;ADCME公司;PIN码NTK码;DeepONet(深度网络);PyTorch公司;杜芬伴随物;PDE-网络;蟒蛇;hp-车辆识别号;不明飞行物 PDF格式BibTeX公司 XML格式引用 \textit{S.K.Mitusch}等人,J.Compute。物理学。446,文章ID 110651,21 p.(2021;Zbl 07516461) 全文: 内政部 arXiv公司 OA许可证 参考文献: [1] 马库斯,G.,《深度学习:批判性评价》,预印本 [2] Long,Z。;Lu,Y。;Dong,B.,PDE-Net 2.0:使用数字符号混合深度网络从数据中学习PDE,J.Compute。物理。,399,第108925条,第(2019)页·Zbl 1454.65131号 [3] 长,Z。;Lu,Y。;马,X。;Dong,B.,PDE Net:从数据中学习PDE,(国际机器学习会议。国际机器学习会议,PMLR(2018)),3208-3216 [4] 鲁索托,L。;Haber,E.,偏微分方程驱动的深层神经网络,J.Math。成像视觉。,1-13 (2019) [5] 卢,L。;Jin,P。;Karniadakis,G.E.,Deeponet:基于算子的普遍逼近定理学习用于识别微分方程的非线性算子,预印本 [6] 李,Z。;科瓦奇奇,N。;Azizzadenesheli,K。;刘,B。;巴塔查亚,K。;Stuart,A。;Anandkumar,A.,参数偏微分方程的傅立叶神经算子,预印本 [7] 莱斯,M。;佩尔迪卡里斯,P。;Karniadakis,G.E.,《基于物理的神经网络:用于解决涉及非线性偏微分方程的正问题和逆问题的深度学习框架》,J.Compute。物理。,378, 686-707 (2019) ·Zbl 1415.68175号 [8] 塔塔科夫斯基,A.M。;马里罗,哥伦比亚特区。;佩尔迪卡里斯,P。;塔塔科夫斯基,G.D。;巴拉哈斯·索拉诺(Barajas-Solano),D.,学习参数和与物理相关的深层神经网络的本构关系,预印本 [9] Raissi,M.,《深层隐藏物理模型:非线性偏微分方程的深层学习》,J.Mach。学习。第19、25、1-24号决议(2018年)·Zbl 1439.68021号 [10] Shin,Y。;Darbon,J。;Karniadakis,G.E.,关于物理信息神经网络的收敛和推广,预印本 [11] 王,S。;Yu,X。;Perdikaris,P.,《钉无法训练的时间和原因:神经切线内核视角,预印本》·Zbl 07524768号 [12] 米什拉,S。;Molinaro,R.,用于近似pde的物理信息神经网络(pins)的泛化误差估计,预印本 [13] 伯格,J。;Nyström,K.,偏微分方程的神经网络增广逆问题 [14] 黄,D.Z。;Xu,K。;Farhat,C。;Darve,E.,使用深层神经网络从间接观测中学习本构关系,J.Compute。物理。,416,第109491条pp.(2020)·Zbl 1437.65192号 [15] Xu,K。;Darve,E.,Adcme:使用深度神经网络学习空间可变物理场,预印本 [16] 风扇,T。;Xu,K。;Pathak,J。;Darve,E.,使用深层神经网络解决稳态Navier-Stokes方程中的反问题 [17] Xu,K。;塔塔科夫斯基,A.M。;Burghardt,J。;Darve,E.,使用物理约束学习的粘弹性材料逆建模,预印本 [18] Rackauckas,C。;马云(Ma,Y.)。;Martensen,J。;华纳,C。;Zubov,K。;苏佩卡,R。;斯金纳,D。;Ramadhan,A.,科学机器学习的普遍微分方程 [19] Logg,A。;Wells,G.N.,DOLFIN:自动化有限元计算,ACM Trans。数学。软质。,37, 2, 20:1-20:28 (2010) ·Zbl 1364.65254号 [20] Paszke,A。;毛重,S。;马萨,F。;Lerer,A。;布拉德伯里,J。;Chanan,G。;基林,T。;林,Z。;Gimelshein,N。;安提瓜,L。;Desmaison,A。;Kopf,A。;杨,E。;德维托,Z。;Raison,M。;特贾尼,A。;Chilamkurthy,S。;斯坦纳,B。;方,L。;Bai,J。;Chintala,S.,Pytorch:一个命令式、高性能的深度学习库,(《神经信息处理系统进展》,第32卷(2019),Curran Associates,Inc.),8024-8035 [21] Duraisamy,K。;艾卡里诺,G。;Xiao,H.,《数据时代的湍流建模》,年。流体力学版次。,51, 1, 357-377 (2019) ·Zbl 1412.76040号 [22] Brunton,S.L。;Proctor,J.L。;Kutz,J.N.,通过非线性动力系统的稀疏识别从数据中发现控制方程,Proc。国家。阿卡德。科学。,113, 15, 3932-3937 (2016) ·Zbl 1355.94013号 [23] Glowinski,R.,《不可压缩粘性流的有限元方法》,(流体的数值方法(第3部分)。流体的数值方法(第3部分),《数值分析手册》,第9卷(2003年),爱思唯尔出版社,3-1176·Zbl 1040.76001号 [24] 哈拉兹米,E。;张,Z。;Karniadakis,G.E.,解偏微分方程的变分物理信息神经网络 [25] Naumann,U.,《区分计算机程序的艺术:算法区分导论》(The Art of Differentialing Computer Programs:A Introduction to Algorithm Differentiation)(2012年),工业与应用数学学会:工业与应用数学学会,美国宾夕法尼亚州费城·Zbl 1275.65015号 [26] Ulbrich,S.,《分析背景与最优理论》,1-95(2009),施普林格荷兰:施普林格荷属多德雷赫特 [27] Alns,医学硕士。;Logg,A。;Ølgard,K.B。;罗杰斯,M.E。;Wells,G.N.,《统一形式语言:偏微分方程弱公式的领域特定语言》,ACM Trans。数学。软质。,40, 2, 9:1-9:37 (2014) ·Zbl 1308.65175号 [28] Mitusch,S.K。;Funke,S.W。;Dokken,J.S.,Dolfin-adjoint 2018.1:FEniCS和Firedrake的自动伴随词,J.Open Sour。软质。,第4、38条,第1292页(2019年) [29] Homolya,M。;柯比,R.C。;Ham,D.A.,揭示和利用结构:高阶有限元方法的最优代码生成,预印本 [30] 刘博士。;Nocedal,J.,《关于大规模优化的有限内存bfgs方法》,数学。程序。,45, 1, 503-528 (1989) ·Zbl 0696.90048号 [31] Virtanen,P。;Gommers,R。;Oliphant,T.E。;哈伯兰,M。;Reddy,T。;库纳波,D。;Burovski,E。;彼得森,P。;Weckesser,W。;Bright,J。;范德华特,S.J。;布雷特,M。;Wilson,J。;Millman,K.J。;北马约罗夫。;纳尔逊,A.R.J。;琼斯,E。;科恩,R。;Larson,E。;Carey,C.J。;伊利诺伊州波拉特。;Feng,Y。;摩尔,E.W。;范德普拉斯,J。;拉萨尔德,D。;佩克托尔德,J。;Cimrman,R。;亨利克森,I。;昆特罗,E.A。;哈里斯·C·R。;阿奇博尔德,A.M。;里贝罗,A.H。;佩德雷戈萨,F。;van Mulbregt,P.,《SciPy 1.0贡献者》,《SciPy 1.0:Python中科学计算的基本算法》,《自然方法》,第17期,第261-272页(2020年) [32] Nash,S.G.,通过Lanczos方法实现牛顿型最小化,SIAM J.Numer。分析。,21, 4, 770-788 (1984) ·Zbl 0558.65041号 [33] Löhner,R。;安提尔·H·重新审视卡尔德龙的问题 [34] Valnes,L.M。;Mitusch,S.K。;Ringstad,G。;艾德,P.K。;Funke,S.W。;Mardal,K.-A,基于24小时示踪剂运动的表观扩散系数估计,支持人类大脑皮层中的glymphatic转运,Sci。代表,10,1,1-12(2020年) [35] Kvrnö,A.,具有显式第一阶段的单对角隐式Runge-Kutta方法,BIT-Numer。数学。,44, 3, 489-502 (2004) ·Zbl 1066.65077号 [36] Skare,K.E.,Gryphon-a fenics中偏微分方程时间积分的模块(2012),Matematiske Fag研究所,硕士论文 [37] Shen,S.-Y.,逆热传导问题的数值研究,计算。数学。申请。,38, 7-8, 173-188 (1999) ·Zbl 0951.65090号 [38] Jagtap,医学博士。;哈拉兹米,E。;Karniadakis,G.E.,守恒定律离散域上的守恒物理信息神经网络:正问题和逆问题的应用,计算。方法应用。机械。工程,365,第113028条pp.(2020)·Zbl 1442.92002号 [39] Jagtap,医学博士。;Karniadakis,G.E.,《扩展物理信息神经网络(XPINNs):基于广义时空域分解的非线性偏微分方程深度学习框架》,Commun。计算。物理。,2002-2041 (2020) ·Zbl 07419158号 [40] 王,S。;滕,Y。;Perdikaris,P.,理解和缓解物理信息神经网络中的梯度病理,预印本·Zbl 1530.68232号 [41] Jagtap,医学博士。;川口,K。;Karniadakis,G.E.,《自适应激活函数加速深度和物理信息神经网络的收敛》,J.Compute。物理。,404,第109136条pp.(2020)·Zbl 1453.68165号 [42] 朱,C。;伯德·R·H。;卢,P。;Nocedal,J.,算法778:L-BFGS-B:大规模有界约束优化的Fortran子程序,ACM Trans。数学。软质。,23, 4, 550-560 (1997) ·Zbl 0912.65057号 [43] Sundnes,J.公司。;线,G。;蔡,X。;尼尔森,B。;马尔达尔,K。;Tveito,A.,《计算心脏中的电活动》,《计算科学与工程专著》(2007年),施普林格:施普林格柏林,海德堡 [44] 法雷尔,体育。;Hake,J.E。;Funke,S.W。;Rognes,M.E.,耦合PDE-ODE系统的自动伴随,SIAM J.Sci。计算。,41,3,C219-C244(2019)·Zbl 1420.65077号 [45] 霍奇金,A.L。;赫胥黎,A.F.,《膜电流的定量描述及其在神经传导和兴奋中的应用》,《生理学杂志》。,117, 4, 500-544 (1952) [46] Noble,D.,适用于Purkinje纤维动作和起搏器电位的Hodgkin-Huxley方程的修正,《生理学杂志》。,160, 2, 317-352 (1962) [47] 是的,我。;de Bézenac,E。;Pajot,A。;布拉贾德,J。;Gallinari,P.,从部分观测中学习动力系统 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。