本論文では、多孔質弾性流れと変形プロセスのモデル化に物理情報ニューラルネットワーク(PINN)を適用し、段階的トレーニング戦略の有効性を示した。
まず、多孔質弾性の支配方程式を導出し、それらを PINN モデルに組み込んだ。次に、解析解を用いて理想化された数値例を生成し、これを参照解として使用した。
段階的トレーニング戦略では、時間領域を複数の区間に分割し、各区間で順次トレーニングを行う。一方、従来の手法では全時間領域のデータを一度にトレーニングする。
結果として、段階的トレーニング戦略を用いた場合、同じモデル設定と同じハードウェアで、従来手法に比べトレーニング時間が約半分に短縮された。また、両手法とも参照解との良好な一致が確認された。
さらに、より複雑な時間変化を伴う問題では、段階的トレーニング手法が予測精度の向上にも寄与すると期待される。この点については今後の研究課題としている。
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies