搞电网状态估计的可以看看这篇:几个 PMU 一次前向就推全网功角和转速,不用逐场景跑优化,模型误差大时比 Kalman 类方法更稳,成本还低。无标签训练这点对缺实测数据的团队特别实用。
#物理信息神经网络
共 14 条 · 7 天 1 条 · 30 天 5 条
信息流里打上「物理信息神经网络」标签的资讯、产品与论文,按刊登时间排,新的在上。
11月10日
物理信息图神经网络算子从稀疏 PMU 估计电力系统动态状态
11月4日
Hodge-de Rham PINNs:用de Rham上同调解决拓扑缺陷场景下的PINN失效
PINN遇到带孔洞的偏微分方程就翻车?这篇arXiv论文用Hodge分解和de Rham上同调给出修复方案,还拿Aharonov-Bohm效应做了实验验证。
11月2日
HCP-PINN:用硬约束投影层求解一维 Burgers 方程
给 PINN 加一层不可学习的投影,误差直接低一个数量级,做物理机器学习的可以看看这个思路。
10月30日
10月27日
10月8日
10月2日
SoftServe:深度学习可扩展拟牛顿方法
研究人员推出SoftServe拟牛顿方法,解决深度学习中的非凸性和大规模参数问题,在病态问题上表现优于现有基线。
8月31日
QGPINNs:量子图上非局部微分方程物理信息神经网络框架
QGPINNs能解决量子图上的复杂微分方程,还能从噪声数据中反演分数算子阶数和物理参数,IEEE 14-bus系统测试验证了其准确性。
7月29日
论文10:01
SpectONet:物理引导的谱深度算子网络用于欧拉-伯努利梁动力学这篇论文提出了SpectONet,在梁振动问题上比传统DeepONet误差降低至少64%,物理一致性更好,值得研究结构动力学的朋友一看。
6月24日
6月11日
PDE约束逆问题:伴随方法与PINN公平对比
做计算力学和逆问题研究的团队,这篇论文帮你省去选择方法的纠结——它给出了伴随法和PINN在不同场景下的明确优劣边界,看完可以直接指导你的实验设计。
6月2日
论文12:02
PINN残差引导自适应网格细化,提升有限差分求解器效率做偏微分方程数值模拟的团队,可以用PINN残差替代传统误差估计器来指导网格自适应,显著节省计算资源——60个自由度就能达到192个自由度的精度,值得在工程仿真中试试。
5月11日
论文11:44
自适应域分解PINN用于稀疏传感器交通状态估计该工作为物理信息神经网络在稀疏传感交通估计中的实际部署提供了实用框架,残差引导的域分解策略可推广至其他涉及不连续性的PINN应用,其训练效率提升对资源受限场景有直接价值。
arXiv cs.LG原文