ADCME：使用深度神经网络学习空间变化物理场
数值分析
2020-11-25 v1 数值分析
摘要
ADCME是一种新颖的计算框架，用于求解涉及物理仿真与深度神经网络(DNNs)的反问题。本文对其使用DNN学习空间变化物理场的能力进行基准测试。我们证明，在各类线性或非线性、静态或动态问题上，我们的方法比离散化方法具有更优精度。技术上，我们将反问题表述为PDE约束优化问题。我们用计算图表达数值仿真与DNN，从而可利用反向模式自动微分计算梯度。我们应用物理约束学习算法(PCL)高效地通过非线性方程迭代求解器反向传播梯度。本文 accompanying 的开源软件可在 https://github.com/kailaix/ADCME.jl 获取。
引用
@article{arxiv.2011.11955,
title = {ADCME: Learning Spatially-varying Physical Fields using Deep Neural Networks},
author = {Kailai Xu and Eric Darve},
journal= {arXiv preprint arXiv:2011.11955},
year = {2020}
}