こんにちはデータアナリティクス部のロバート・フバチです。少し前に、「物理情報ニューラルネットワーク（PINN）」物理情報ニューラルネットワーク）について書きました。このネットワークは、自然界や工業で起きる現象を記述する偏微分方程式を解くために使われます。しかし、このネットワークの欠点は、一度学習させると、その特定の条件に対してのみ解を提供し、新しい条件下での予測には使えないという点です。PINNの学習には、よく数値計算のコンピュータシミュレーション結果 が使われます。これはPINNの可能性を示すためには有用ですが、実用的な観点から見ると、それほどでもありません。既に数値解が得られているので、新しい計算を行う必要がないからです。新しい条件下での予測にも使えるより実用的な方法として、実験や測定結果と組み合わせたPINNが提案されています。そこで、今回はこの活用例を2つ紹介したいと思います。
続きを読む
