面向海洋建模中最优加权物理信息神经网络的研究
机器学习
2021-07-23 v1 神经与进化计算
大气与海洋物理
摘要
世界海洋的碳泵在地球生物圈和气候中起着至关重要的作用，迫切要求改进对海洋在气候变化中功能与影响的理解。需要最先进的技术来开发能够捕捉海洋洋流与温度流复杂性的模型。本工作探索了使用物理信息神经网络（PINNs）求解海洋建模相关偏微分方程的益处，例如 Burgers 方程、波动方程和对流-扩散方程。我们探讨了在 PINNs 中使用数据模型与物理模型求解偏微分方程的权衡。PINNs 考虑对物理定律的偏离以改进学习与泛化。我们观察到损失函数中数据与物理模型间的相对权重如何影响训练结果，其中小数据集从附加的物理信息中获益更多。
引用
@article{arxiv.2106.08747,
title = {Towards Optimally Weighted Physics-Informed Neural Networks in Ocean Modelling},
author = {Taco de Wolff and Hugo Carrillo and Luis Martí and Nayat Sanchez-Pi},
journal= {arXiv preprint arXiv:2106.08747},
year = {2021}
}