在惯性约束聚变中探索带有科学先验的生成式物理模型
计算物理
2019-10-07 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
由于现代神经网络能够以数据驱动的方式对高度复杂、非线性的问题进行有效建模，将其用于科学应用引起了极大兴趣。然而，一个常见的挑战是验证神经网络预测输出的科学合理性或有效性。本工作主张使用已知的科学约束作为评估和探索此类预测并理解惯性约束聚变问题中此类预测的一种途径。
引用
@article{arxiv.1910.01666,
title = {Exploring Generative Physics Models with Scientific Priors in Inertial Confinement Fusion},
author = {Rushil Anirudh and Jayaraman J. Thiagarajan and Shusen Liu and Peer-Timo Bremer and Brian K. Spears},
journal= {arXiv preprint arXiv:1910.01666},
year = {2019}
}
备注
Machine Learning for Physical Sciences Workshop at NeurIPS 2019