Physics-Informed Neural Networks

サロゲートモデル

Kaggle 「LEAP」

Graph Neural PDE Solvers with Conservation and Similarity-Equivariance

最近PINNsを使ってわかってきた弱点

・厳密な保存則を要求される逆問題、データ同化への適用は難しい

・細い流路が流路がいくつもあるような複雑形状への適用は難しい

・データに不自然なノイズが乗ってたりするとノイズにめちゃくちゃ引っ張られて、物理的に不整合な解へ収束する

逆にPINNsの利点

・メッシュ構築が不要、メッシュ職人芸みたいなのはいらない？

・似た形状への適用だと転移学習が有効。割と早く解ける

ノイズはあまりないけど、データがスパースなときにはデータ同化手法として有効。それらしく物理方程式を満たしながら空間方向にスムージングするのは得意？