机构名称：
¥ 1.0
项目A1：使用物理信息神经网络的科学机器学习：算法和应用主管：Bruno Carpentieri教授教授项目描述：这项活动的目标是在数学和人工智能（AI）的交汇处为尖端研究做出了重大贡献（AI），解决复杂的现实世界应用程序的应用程序和镇定业务，并在这些快速的广告中解决这些快速扩展。物理知识的机器学习（PINN）是一种新颖的方法，用于将传统科学物理定律的特定知识纳入机器学习模型中。可以将其视为一种方法，它既是用于捕获系统物理学的建模工具，也可以用作有效解决数学问题的计算工具。物理学和机器学习之间的这种协同作用不仅提高了模型的准确性，而且还为基础物理过程提供了宝贵的见解，使Pinn成为解决计算科学和工程领域中复杂问题的有效建模工具。在此项目中，我们分析了大型数据集，使用高级数学和计算机科学技术提取有意义的模式，例如统计分析，线性代数，微积分，CPU和GPU系统上的高性能并行计算。然后，我们使用PINN来求解在现实世界科学应用中出现的部分微分方程，分数方程和积分微分方程的模型。目的是推动AI模型的开发和优化，尤其是在能源和医疗问题领域，对数学算法和AI模型的实施和优化产生了重大贡献。必需的强制性技能：线性代数方法的基本知识。计算机编程技能。分析和解决问题。批判性思维。协作。理想的（可选）技能：一种高级编程语言的知识。知识机器学习技术。并行计算的经验。
项目描述 - 计算机科学博士学位
主要关键词
相关文件推荐
