핵심 개념
HyResPINNsは、標準的なニューラルネットワークとRBFネットワークを組み合わせた新しい物理情報ニューラルネットワークアーキテクチャであり、滑らかさと非滑らかさの両方の特徴を効果的に捉え、従来のPINNよりも高い精度と堅牢性を実現する。
초록
HyResPINNs: 物理情報モデリングのための適応型ハイブリッド残差ネットワーク
この論文は、偏微分方程式(PDE)の数値解法として近年注目されている物理情報ニューラルネットワーク(PINN)の新規アーキテクチャであるHyResPINNsを提案しています。
本研究は、従来のPINNが抱える、滑らかな関数近似に偏っているため、急激な遷移や不連続性を含む解の表現に苦労するという課題を解決することを目的としています。
HyResPINNsは、標準的なニューラルネットワークと動径基底関数(RBF)ネットワークを組み合わせたハイブリッド残差ブロックを導入することで、この問題に対処しています。各ブロック内には、学習可能なパラメータが含まれており、ニューラルネットワークとRBFネットワークの出力の相対的な貢献度を動的に調整します。さらに、残差ブロック間の適応的な接続により、ネットワーク全体にわたる柔軟な情報フローが可能になります。