مدلهای فیزیکمحور (PINN) برای حل مسائل معکوس PDEها همیشه با چالشهایی مثل یادگیری ناقص یا انتقال منفی دانش در فرآیند یادگیری انتقالی روبرو بودهاند. حالا محققان روش جدیدی به نام TGSR-PINN را معرفی کردهاند که با استفاده از «وزندهی انتخابی» و تحلیل حساسیت، دقت بازسازی پارامترهای فیزیکی را به شکل چشمگیری افزایش میدهد.
این نوآوری به مدلها اجازه میدهد بدون تداخلات مخرب بین دادههای منبع و هدف، پارامترهای دقیقتری را در شبیهسازیهای پیچیده مثل انتشار-همرفت (advection-diffusion) بازیابی کنند. گامی مهم برای کاربردهای مهندسی و علمی دقیقتر!
منبع: arXiv Machine Learning