面向物理学家的神经网络导论
物理教育
2025-05-20 v1 计算物理
摘要
机器学习技术已成为解决各种挑战的强大工具。将机器学习方法与物理学相结合，催生了创新的方法来理解、控制和模拟物理现象。本文旨在为物理学家提供神经网络及其基本概念的实用介绍。本文呈现了一些视角，探讨机器学习模型与物理系统交汇的最新进展。我们介绍实用材料，引导读者在应用神经网络解决物理问题时进行的第一步。作为示例，我们提供四个递增复杂性的懂 pendulum 问题应用：对小角近似下摆的ODE进行参数拟合；将Physics-Inspired Neural Networks (PINNs)应用于小角 regime 下摆的ODE求解；应用Autoencoder对摆的振荡图像数据集进行处理，以估计该物理系统中参数空间的维数；以及使用稀疏识别非线性动力学 (SINDy) 架构进行模型发现和求解大角度下的非线性摆问题。
引用
@article{arxiv.2505.13042,
title = {An introduction to Neural Networks for Physicists},
author = {G. Café de Miranda and Gubio G. de Lima and Tiago de S. Farias},
journal= {arXiv preprint arXiv:2505.13042},
year = {2025}
}
备注
This work was submitted to the journal "The Revista Brasileira de Ensino de F\'isica - RBEF"