研究領域

科學機器學習

介紹

在科學機器學習中，我們使用物理信息神經網絡（PINN）將傳統科學建模與現代機器學習融合。PINN將領域特定知識和物理法則整合到神經網絡中，實現對科學理解的融入學習過程。通過將物理原則與機器學習相結合，PINN提高了模型的解釋能力和泛化性能。這種方法在數據有限或存在噪聲的情況下尤為有價值。PINN所體現的科學原則與機器學習的協同作用在流體動力學、材料科學和工程等各個科學領域展現了突破性的潛力，突顯了科學機器學習在研究和發現過程中的變革潛力。