面向实际物理系统编码动力学的基于物理信息的神经网络
原文中文，约400字，阅读约需1分钟。发表于：。本文通过研究物理信息驱动的神经网络（PINNs）来编码控制方程，并评估其在两个不同系统的实验数据上的表现。我们发现，在简单的非线性摆系统中，PINNs 在理想数据情况下胜过了等效的无信息神经网络（NNs），在 10 个线性间隔和 10 个均匀分布的随机训练点上的准确度分别提高了 18 倍和 6 倍。在使用来自实验的真实数据进行类似测试的情况下，PINNs 相对于 NNs 的准确度提高了...
本研究使用物理信息驱动的神经网络（PINNs）在两个系统上进行实验，结果显示在非线性摆系统中，PINNs在理想数据和实验数据上都表现出更高的准确度。研究还探讨了物理信息驱动模型在物理系统中的可行性，并选择了FPGA作为计算基板。未来工作计划基于研究结果提出。
