شبکه عصبی PINN : رویکردی نوین برای حل مسائل مهندسی
استفاده شبکه های عصبی مصنوعی عموما نیازمند جمع آوری داده است که در بسیاری از موارد در دسترس نیستند. از طرفی، مسائل مهندسی غالبا توسط معادلات دیفرانسیل جزئی (PDE) بنا شده اند و شبکه های عصبی نمی توانند درکی از معادلات دیفرانسیل و فیزیک حاکم بر این مسائل داشته باشند. برای غلبه بر این چالش ها، شبکه های عصبی مطلع از فیزیک (PINN) توسعه داده شده اند. PINN ها با ترکیب شبکه های عصبی با معادلات حاکم فیزیکی، سعی میکنند بدون الزام به وجود داده و با درک معادلات حاکم بر مسائل، راه حل های دقیق و کم هزینه ای ارائه نمایند. در PINN یک شبکه عصبی به جای حل مستقیم PDE وظیفه یادگیری توابعی را به عهده دارد که معادلات و شرایط مرزی/اولیه را برآورده میکنند. این فرآیند از طریق بهینه سازی تابع هزینه انجام می شود که خطای بین خروجی شبکه عصبی و معادلات را کمینه می کند. PINN ها در حال حاضر در طیف گسترده ای از مسائل مهندسی عمران، از جمله تحلیل رفتار سازه ها، شبیه سازی جریان سیالات در اطراف سازه ها و همچنین در محیط های متخلخل مثل خاک و سنگ استفاده می شوند. در این سخنرانی، ابتدا مروری بر چالش های موجود در حل مسائل مهندسی با روش های سنتی و ضرورت استفاده ار رویکرد های نوین پرداخته می شود. سپس به تشریح عملکرد و ساختار شبکه های عصبی مطلع از فیزیک و تفاوت های کلیدی آن ها با شبکه های عصبی سنتی پرداخته می شود. در ادامه، نحوه تعریف، پیاده سازی و استفاده از INN برای حل یک مسئله نمونه تشریح شده و ابزار و کد های مورد نیاز آن در اختیار مخاطبین قرار می گیرد. در پایان هم به بررسی آخرین پیشرفت ها و تحقیقات نوظهور در زمینه PINN ها و چشم انداره این ابزار در حل مسائل مهندسی پیچیده پرداخته می شود. امیدواریم که مخاطبان با شرکت در این سخنرانی، دیدگاه تازه ای نسبت به حل مسائل مهندسی پیدا کرده و با توانایی PINN ها در خلق راه حل های ابتکاری و کارآمد آشنا شوند.
