آیا تا به حال فکر کردهاید که کتابخانههایی مثل PyTorch چطور در پشت صحنه مشتقات پیچیده را برای شبکههای عصبی فیزیک-محور (PINN) محاسبه میکنند؟
در این مطالعه جذاب، محققان با بررسی دقیق گراف محاسباتی و فرآیند «Backpropagation»، نشان دادهاند که چطور میتوان مشتقهای مرتبه دوم و بالاتر را برای حل مسائل فیزیکی (مثل معادلات دیفرانسیل) با استفاده از موتور Autograd استخراج کرد. این تحقیق یک راهنمای عالی برای درک عمیقتر سازوکار ریاضیاتی شبکههای عصبی است که در دنیای شبیهسازیهای علمی کاربرد حیاتی دارند. 🧠✨
های_عصبی نویسی
منبع: arXiv Machine Learning