Завершен
2023 / 2024

1619 Разработка алгоритмов балансировки функций ошибок в физически-информированных нейронных сетях
Старт
30.11.2023
Представление
27.01.2024 – 07.02.2024
Постерная сессия
23.04.2024
Защита
02.06.2024 – 13.06.2024
Паспорт проекта
Аннотация
Уравнение Пуассона повсеместно встречается в инженерных задачах. Существуют классические методы решения данной задачи, например, метод конечных элементов.
К сожалению, использование классических методов может быть затратно по времени при решении задача анализа чувствительности. По этой причине задача разработки методов приближенного и быстрого решения дифференциальных уравнений имеет высокую практическую значимость.
В данном проекте предлагается усовершенствовать популярный метод построения...
Отрасль
Информатика
Теги
Информатика
Цель
В данном проекте рассматриваются две цели. Перавая цель - усовершенствование алгоритма PINNs для решеия уравнеиния Пуассона за счет баланисировки трех различных функций ошибок и использования симулятора с разной степенью пространственной дискретизации в качестве дополнительного источнка данных.
Вторая цель - протестировать производительность разработанног алгоритм на ресурсоемкой задаче по анализу неопределенностей.
Ожидаемые результаты
- - Новый алгоритм для взвешивания ошибок в PINNs.
- - Алгоритм для выбора расчетной сетки в зависимости от эпохи для ускорения обучения модели
- - Оптимизация алгоритма для уменьшения вычислительной стоимости
- - реализация прототипа во фреймворке pytorch
- - Тесты на примерах различной степени сложности
- - Работа, готовая к публикации в журнале
Форма и способы промежуточного контроля
Еженедельные встречи с руководителем проекта для обсуждения проделанной работы, обсуждения трудностей и корректировки плана.
Форма представления результатов
Репозиторий с программным кодом проекта.
Презентация и работы на конференции.
Ресурсное обеспечение
Для работы достаточно кластера в ВШЭ и имеющихся у студентов личных компьютеров. Источник данных: программный код для расчета движения жидкости в пористой среде и публичные модели резевуаров нефти и газа: https://www.sintef.no/projectweb/mrst/modules/mrst-core/data-sets/
Имеющийся задел
Опыт руководителя проекта в нефтегазовой отрасли и машинном обучении и код для гидродинамического моделирования месторождений нефти и газа.
Заказчик
НИУ ВШЭ / ФКН БДИП