|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/machine-learning-for-physics/
课程评论：没有评论
【PyTorchで学ぶ】Machine Learning for Physics 课程总结 本课程面向已完成“Hands Onで読む】PyTorchによる深層学習入門”并能使用PyTorch实现深度学习的学员。课程旨在教授如何将机器学习/深度学习应用于科学技术计算领域，重点讲解被誉为下一代数值模拟技术、于2017年由M. Raissi等人提出的Physics Informed Neural Networks (PINN)。PINN技术在学术界和工业界备受关注。 尽管目前在日本的研究案例尚不多，但预计未来几年将形成巨大趋势。对于从事数值模拟和科学技术计算的专业人士而言，本课程尤为重要。课程内容紧凑，可在约1小时内快速掌握这一前沿技术。 课程将首先回顾传统科学技术计算的成熟技术及其面临的挑战，然后介绍机器学习作为解决这些问题的新方法，并回顾机器学习与物理学研究的历史。 随后，课程将深入讲解PINN的核心概念和实现方法，所有实现均使用PyTorch。因此，学员需要具备PyTorch的建模基础。
【このコースは誰に向けたものか？】本コースは、【Hands Onで学ぶ】PyTorchによる深層学習入門を受講して、PyTorchで深層学習を実装できるようになった方を対象に、Machine Learning / Deep Learningを科学技術計算に応用した技術について学ぶコースです。本講座では次世代の数値シミュレーション技術として期待されているPhysics Informed Neural Networks(PINN)をメインに学習していきます。PINNは2017年にM. Raissi et al.によって提案された全く新しい科学技術計算のテクノロジーです。論文数やGoogle Trend様々な指標で本技術の注目度の高さを伺い知ることができます。2023年時点において、まだ日本ではあまり研究例は多くありませんが、数年後には大きなトレンドを形成していくのではないかと考えられます。現在、数値シミュレーション・科学技術計算に携わられている方には必見のコースだと言えます。また、本コースは短く纏められているため、最先端のTopicを僅か1時間程度で速習する事が出来ます。【何が学べる？】科学技術計算の分野自体は古くから研究されており、成熟した技術分野ですが、そのような伝統的な科学技術計算を簡単に学んだあと、抱えている課題について学びます。これを解決する新しい問題解決のアプローチとしてMachine Learning Approachがあり、これまでのMachine Learning x Physicsの研究の歴史を振り返ります。その後、本トピックで中心となるPhysics Informed Neural Networksについて詳細や実装方法を学びます。実装はPyTorchで行いますので受講される方はPyTorchによるモデリングを予め学んでおく必要があります。
