Picard-KKT-hPINN: 用于实现非线性焓平衡的物理一致神经网络
机器学习
2025-01-30 v1
摘要
神经网络广泛用作替代模型, 但它们不保证物理一致的预测, 从而阻止在 various 应用中采用. 我们提出一种方法, 可强制神经网络满足非线性的物理规律, 例如焓平衡. 我们的 approach, 受 Picard 连续逼近法的启发, 旨在通过依次冻结和投影参与变量的一组变量来强制实现乘法可分离约束. 我们展示了 PicardKKThPINN 用于催化剂沉 packed 床反应器的替代建模, 用于甲醇合成. 我们的结果表明, 该方法在机器水平精度下有效地强制执行非线性焓和线性原子平衡. 此外, 我们表明, 在数据稀缺条件下, 执行守恒定律可提高多层感知器的准确性.
引用
@article{arxiv.2501.17782,
title = {Picard-KKT-hPINN: Enforcing Nonlinear Enthalpy Balances for Physically Consistent Neural Networks},
author = {Giacomo Lastrucci and Tanuj Karia and Zoë Gromotka and Artur M. Schweidtmann},
journal= {arXiv preprint arXiv:2501.17782},
year = {2025}
}