Fyziky-znalé neuronové sítě, použité k modelování růstu krystalů
školitel: | Martin Holeňa |
e-mail: | zobrazit e-mail |
typ práce: | bakalářská práce, diplomová práce |
zaměření: | MI_MM, MI_AMSM, MINF, APIN |
odkaz: | http://www.cs.cas.cz/~martin/ |
popis: | Fyziky-znalé neuronové sítě (physics-informed neural networks) jsou pravděpodobně nejslibnějším z těch typů umělých neuronových sítí, které byly navrženy teprve ve druhé polovině druhého desetiletí tohoto století. Kombinují tradiční schopnost neuronových sítí zachytit libovolné závislosti v datech s modelováním vztahů mezi různými veličinami a jejich derivacemi podle různých proměnných pomocí parciálních diferenciálních rovnic. Parciální diferenciální rovnice se již od 19. století používají k popisu přírodních zákonitostí ve fyzice, chemii a dalších přírodních vědách. Zabudování znalostí o těchto zákonitostech do neuronové sítě ji umožňuje natrénovat na požadovanou úroveň predikční přesnosti s menším množstvím trénovacích dat. V diplomové práci budou fyziky-znalé neuronové sítě použity k modelování řízeného růstu krystalů. Jejich použití k tomuto účelu zatím není z literatury známo, přestože jde o použití, které má velký praktický význam. Řízeným růstem se vyrábí křemíkové a galium-arsenové krystaly, které jsou nepostradatelné v elektronice. Diplomant se nejdříve důkladně seznámí s obecnou kostrukcí fyziky-znalých neuronových sítí. Poté se seznámí s některým z jednoduchých modelů růstu krystalů založených na parciálních diferenciálních rovnicích. Obecné schéma konstrukce fyziky-znalé neuronové sítě konkretizuje pro zvolený model, a to jak teoreticky, tak na implementační úrovni. Odladěnou implementaci fyziky-znalé neuronové sítě ověří na datech dodaných vedoucím práce a implementavaou síť také vyexportuje do platformově nezávislého formátu pro modelování pomocí neuronových sítí, ONNX. |
literatura: | viz https://www.cs.cas.cz/~martin/diplomka72.html |
naposledy změněno: | 16.04.2024 10:09:43 |
za obsah této stránky zodpovídá:
Pavel Strachota | naposledy změněno: 9.9.2021