李应州;陆建峰;毛安琪 物理模型解映射的神经网络近似的变分训练。 (英语) Zbl 1435.68292号 J.计算。物理学。 409,文章ID 109338,14 p.(2020). 摘要:提出了一种新的求解训练框架,用于训练神经网络来表示物理模型的低维解映射。解决训练框架使用神经网络作为解决图的答案,并通过基础物理模型的损失函数对网络进行变量训练。求解训练框架避免了传统的监督训练过程中昂贵的数据准备工作,为输入数据准备标签,并且仍然可以实现适应输入数据分布的解映射的有效表示。通过获得线性和非线性椭圆方程的解映射,以及线性和非线性薛定谔方程从势到基态的映射,证明了求解训练框架的有效性。 引用于12文件 MSC公司: 68T07型 人工神经网络与深度学习 55年第35季度 NLS方程(非线性薛定谔方程) 关键词:神经网络;PDE解决方案图;快速算法;层次矩阵;无监督训练 软件:亚当;PDE-网络;TensorFlow公司;DGM公司 PDF格式BibTeX公司 XML格式引用 \textit{Y.Li}等人,J.Compute。物理学。409,文章ID 109338,14 p.(2020;Zbl 1435.68292) 全文: 内政部 arXiv公司 参考文献: [1] 阿巴迪,M。;阿加瓦尔,A。;巴勒姆,P。;布雷夫多,E。;陈,Z。;Citro,C。;Corrado,G.S。;A.戴维斯。;迪安·J。;德文,M。;Ghemawat,S。;古德费罗,I。;竖琴,A。;欧文,G。;Isard,M。;贾毅。;Jozefowicz,R。;凯撒,L。;库德勒,M。;Levenberg,J。;马内,D。;蒙加,R。;摩尔,S。;Murray博士。;奥拉,C。;舒斯特,M。;Shlens,J。;斯坦纳,B。;Sutskever,I。;Talwar,K。;塔克,P。;Vanhoucke,V。;瓦苏德万,V。;维加斯,F。;葡萄酒,O。;监狱长,P。;Wattenberg,M。;维克,M。;Yu,Y。;Zheng,X.,TensorFlow:异构系统上的大规模机器学习(2015),软件可从 [2] Bao,W。;Du,Q.,用归一化梯度流计算玻色-爱因斯坦凝聚体的基态解,SIAM J.Sci。计算。,25, 5, 1674-1697 (2004) ·Zbl 1061.82025号 [3] Bar,L。;Sochen,N.,基于PDE的正问题和逆问题的无监督深度学习算法(2019) [4] Barron,A.R.,σ函数叠加的通用近似界,IEEE Trans。Inf.理论,39,3,930-945(1993)·Zbl 0818.68126号 [5] 伯格,J。;Nyström,K.,复杂几何偏微分方程的统一深度人工神经网络方法,神经计算,317,28-41(2018) [6] Briggs,W.L。;亨森,V.E。;麦考密克,S.F.,《多重网格教程》(2000),工业与应用数学学会:费城工业与应用数学学会·Zbl 0958.65128号 [7] Carleo,G。;Troyer,M.,用人工神经网络解决量子多体问题,《科学》,355,6325,602-606(2017)·Zbl 1404.81313号 [8] 科罗纳,E。;Martinsson,P.-G。;Zorin,D.,平面积分方程的直接求解器,应用。计算。哈蒙。分析。,38, 2, 284-317 (2015) ·Zbl 1307.65180号 [9] E、 W。;Yu,B.,The deep Ritz method:一种基于深度学习的数值算法,用于求解变分问题,Commun。数学。统计,6,1,1-12(2018)·Zbl 1392.35306号 [10] 范,Y。;Feliu Fabà,J。;林,L。;Ying,L。;Zepeda-Nüñez,L.,基于层次嵌套基的多尺度神经网络,研究数学。科学。,6, 2, 21 (2019) ·Zbl 07096701号 [11] 范,Y。;林,L。;Ying,L。;Zepeda-Nüñez,L.,基于层次矩阵的多尺度神经网络(2018) [12] 范,Y。;Orozco Bohorquez,C。;Ying,L.,BCR-net:基于非标准小波形式的神经网络,J.Compute。物理。,384,1-15(2019)·Zbl 1451.65244号 [13] 方,W。;Darve,E.,《黑盒快速多极子方法》,J.Compute。物理。,228, 23, 8712-8725 (2009) ·Zbl 1177.65009号 [14] 格林菲尔德,D。;M.加伦。;巴斯里(Basri),R。;亚夫内,I。;Kimmel,R.,《学习优化多重网格PDE求解器》(2019年) [15] Greengard,L。;Rokhlin,V.,《粒子模拟的快速算法》,J.Compute。物理。,73, 2, 325-348 (1987) ·兹比尔062965005 [16] Hackbusch,W.,基于矩阵的稀疏矩阵算法。I.矩阵导论,计算,62,2,89-108(1999)·Zbl 0927.65063号 [17] Hackbusch,W.,《层次矩阵:算法与分析》,《计算数学中的Springer系列》,第49卷(2015),Springer:Springer-Hidelberg,柏林,海德堡·Zbl 1336.65041号 [18] Hackbusch,W。;Börm,S.,自适应矩阵的数据解析近似,计算,69,1,1-35(2002)·Zbl 1012.65023号 [19] Han,J。;Jentzen,A。;E、 W.,使用深度学习求解高维偏微分方程,Proc。国家。阿卡德。科学。,115, 34, 8505-8510 (2018) ·Zbl 1416.35137号 [20] Han,J。;张,L。;R车。;E、 W.,《深势:多体势能面的一般表示》(2017) [21] Ho,K.L。;Ying,L.,椭圆算子的层次插值因式分解:微分方程,Commun。纯应用程序。数学。,6911415-1451(2016)·Zbl 1353.35142号 [22] Ho,K.L。;Ying,L.,椭圆算子的层次插值因式分解:积分方程,Commun。纯应用程序。数学。,69, 7, 1314-1353 (2016) ·Zbl 1344.65123号 [23] 谢家堂。;赵,S。;艾斯曼,S。;米拉贝拉,L。;Ermon,S.,《学习具有收敛保证的神经PDE解算器》(Int.Conf.Learn.Represent.(2019)) [24] Katrusa,A。;道尔巴耶夫,T。;Oseledets,I.,《深层多重网格:学习延伸和限制矩阵》(2017) [25] Khoo,Y。;卢,J。;Ying,L.,用人工神经网络解决参数PDE问题(2017) [26] Khoo,Y。;卢,J。;Ying,L.,使用人工神经网络求解高维承诺函数,研究数学。科学。,6, 1, 1 (2019) ·Zbl 1498.60222号 [27] Khoo,Y。;Ying,L.,SwitchNet:前向和反向散射问题的神经网络模型(2018) [28] Kingma,D.P。;Ba,J.,Adam:一种随机优化方法,(国际Conf.Learn.Represent..国际Conf.Learn.Present.,圣地亚哥(2015)) [29] 拉加里斯,I.E。;利卡斯,A。;Fotiadis,D.I.,求解常微分方程和偏微分方程的人工神经网络,IEEE Trans。神经网络。,9, 5, 987-1000 (1998) [30] 李,Y。;Cheng,X。;Lu,J.,Butterfly-net:基于卷积神经网络的最优函数表示(2018) [31] 李,Y。;Ying,L.,分布记忆层次插值因子分解,研究数学。科学。,4, 12, 23 (2017) ·Zbl 1375.65141号 [32] Lieb,E.H。;塞林格,R。;Yngvason,J.,《陷阱中的玻色子:Gross-Pitaevskii能量泛函的严格推导》(1999) [33] 林,L。;卢,J。;Ying,L.,从矩阵-向量乘法快速构造层次矩阵表示,J.Compute。物理。,230, 10, 4071-4087 (2011) ·Zbl 1218.65038号 [34] 长,Z。;卢,Y。;马,X。;Dong,B.,PDE-net:从数据中学习PDE,Proc。机器。学习。决议,80,3208-3216(2018) [35] Mishra,S.,《数据驱动的微分方程计算加速的机器学习框架》(2018) [36] 陆克文,K。;Ferrari,S.,使用人工神经网络求解偏微分方程的约束积分(CINT)方法,神经计算,155,277-285(2015) [37] 西里尼亚诺,J。;Spiliopoulos,K.,DGM:解偏微分方程的深度学习算法,J.Compute。物理。,375, 1339-1364 (2018) ·Zbl 1416.65394号 [38] 孙,M。;严,X。;Sclabassi,R.J.,使用人工神经网络信号处理代替有限元分析实时求解偏微分方程,(IEEE Int.Conf.neural Networks signal Process,vol.1(2003)),381-384 [39] 唐·W。;Shan,T。;Dang,X。;李,M。;杨,F。;徐,S。;Wu,J.,基于深度学习技术的泊松方程求解器研究,(IEEE Elect.Des.Adv.Packag.Syst.Symp.(2017)),1-3 [40] 夏,J。;Chandrasekaran,S。;顾先生。;Li,X.S.,大型结构线性方程组的超快速多波前方法,SIAM J.矩阵分析。申请。,31, 3, 1382-1411 (2009) ·Zbl 1195.65031号 [41] Ying,L。;比罗斯,G。;Zorin,D.,《二维和三维核相关自适应快速多极子算法》,J.Compute。物理。,196, 2, 591-626 (2004) ·Zbl 1053.65095号 [42] Zhu,Y。;扎巴拉斯,北。;Koutsourelakis,P.-S。;Perdikaris,P.,《无标记数据的高维替代建模和不确定性量化的物理约束深度学习》(2019年)·Zbl 1452.68172号 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。