[ISCC 2023] pwn部分

1 论文简介

2019年，来自布朗大学应用数学的研究团队提出了一种用物理方程作为运算限制的“物理激发的神经网络” (PINNs) 并发表在了计算物理学领域权威杂志《计算物理学期刊》(Journal of Computational Physics) 上。这篇论文一经发表就获得了大量关注。这篇论文因为代码体系的完整性使得开发人员们很容易上手把相关的学习框架应用到不同领域上去。所以在发表不久之后，一系列不同的PINNs也被其他研究者开发出来。甚至可以不夸张的说，PINN是目前AI物理领域论文中最常见到的框架和词汇之一。

求解过程

给定一个非线性PDE

其中 $u$ 是要求的解， $N$ 是非线性偏微分算子，$\lambda$ 是需要待定的参数。 用一个具体的例子（Burgers方程）来说明主要的想法和步骤：

用一个具体的例子（Burgers方程）来说明主要的想法和步骤：

利用 Neural Networks 来逼近 。 定义损失函数为

其中：

相关应用论文

Physics-Informed Neural Network Super Resolution for Advection-Diffusion Models

https://arxiv.org/abs/2011.02519

电力系统动力学求解

https://ieeexplore.ieee.org/abstract/document/9282004

金属表面声波裂缝检测

https://link.springer.com/article/10.1007/s10921-020-00705-1

Reference

物理神经网络（PINN）解读

https://blog.csdn.net/waitingwinter/article/details/103979339