Una panoramica completa delle storie di successo reali di PINN
Quando si tratta di applicare l’apprendimento automatico alla modellazione di sistemi fisici, è sempre più comune vedere i professionisti allontanarsi da una strategia puramente basata sui dati e iniziare ad abbracciare una mentalità ibrida, in cui una ricca conoscenza fisica pregressa (ad esempio, la gestione delle equazioni differenziali) ) viene utilizzato insieme ai dati per aumentare l’addestramento del modello.
In questo contesto, reti neurali informate dalla fisica (PINN) sono emersi come un concetto versatile e hanno portato a molte storie di successo nella risoluzione efficace delle sfide del mondo reale.
In qualità di professionista desideroso di adottare i PINN, sono ansioso di apprendere sia gli ultimi sviluppi negli algoritmi di addestramento, sia le nuovi casi d’uso di PINN per applicazioni nel mondo reale. Tuttavia, un punto dolente che noto spesso è che, sebbene esistano abbondanti articoli di ricerca/blog che riassumono algoritmi PINN efficaci, raramente è possibile trovare panoramiche di nuovi casi d’uso dei PINN. Una ragione ovvia è che, a differenza degli algoritmi di training che sono indipendenti dal dominio, i report dei casi d’uso PINN sono sparsi in vari domini ingegneristici e non facilmente accessibili per un professionista che di solito è un esperto in un dominio specifico. Di conseguenza, mi sono spesso ritrovato a reinventare la ruota poiché i miei modi di utilizzare i PINN sono già stati ben affrontati da professionisti in un altro campo.
Sono proprio il mio viaggio e le mie esperienze che hanno dato vita all’idea di scrivere questo blog: qui, mi sforzo di rompere la barriera informativa tra diversi domini ingegneristici e di distillare i modelli di utilizzo funzionale ricorrenti dei PINN. Spero che questa revisione informerà i professionisti di diversi ambiti su ciò che è possibile fare con i PINN e ispirerà nuove idee per l’innovazione interdisciplinare.
A tal fine, ho esaminato approfonditamente i documenti di ricerca PINN negli ultimi tre anni e ho individuato le seguenti 5 principali categorie di utilizzo:
- Modellazione predittiva e simulazioni
- Ottimizzazione
- Approfondimenti basati sui dati
- Miglioramento basato sui dati
- Monitoraggio, diagnosi e valutazione sanitaria
Fonte: towardsdatascience.com
