Physical Information Network PINN: Lösung partieller Differentialgleichungen mithilfe neuronaler Netze

Partielle Differentialgleichungen (PDE) sind die grundlegende Sprache zur Beschreibung der physikalischen Welt – Wärmeleitung, Fluiddynamik, Quantenmechanik, sie alle werden von der PDE dominiert. Die Lösung von PDE erfordert jedoch häufig komplexe numerische Methoden (finite Elemente, finite Differenzen …), was für Gebiete mit unregelmäßigen geometrischen Formen noch problematischer ist. Physics-Informed Neural Networks (PINN) liefert eine völlig neue Idee: Verwenden Sie ein neuronales Netzwerk als Lösungsfunktion von PDE und verwenden Sie die automatische Differenzierung als Aktuator physikalischer Einschränkungen.

1. Was ist PINN?

Die Kernidee von PINN: Behandeln Sie das neuronale Netzwerk nicht als „universellen Fitter“, sondern als Repräsentation der PDE-Lösungsfunktion.

Traditionelle Methode: Approximieren Sie bei gegebenen Randbedingungen und Anfangsbedingungen die Ableitung der PDE mit numerischen Unterschieden.

PINN: Approximieren Sie die Lösung der PDE „u(x,t)“ mit einem neuronalen Netzwerk „u_θ(x,t)“, wobei „θ“ die Netzwerkgewichte sind. Das Residuum der PDE wird durch automatische Differenzierung (Autodiff) genau berechnet und zur Verlustfunktion addiert.

2. Übersicht über die PINN-Architektur

PINN-Architektur

Wie in der Abbildung oben gezeigt, ist die Struktur von PINN:

Eingabeebene: Raum-Zeit-Koordinaten „(x, t)“.
Versteckte Ebene: Vollständig verbundene Ebene + Aktivierungsfunktion (Tanh / Sigmoid)
Ausgabeschicht: Lösung der PDE „u(x,t)“.

Der Hauptunterschied liegt im Design der Verlustfunktion – zusätzlich zum Datenanpassungsverlust kommt auch ein physikalischer Einschränkungsverlust hinzu.

3. Mathematische Prinzipien

3.1 Problemstellung

Nehmen Sie als Beispiel die Eindimensionale Wärmeleitungsgleichung:

u(-1, t) = u(1, t) = 0

u(x, 0) = \sin(\pi x)

You can't use 'macro parameter character #' in math mode ### 3.2 Verlustfunktion Der Gesamtverlust von PINN besteht aus drei Teilen:

\mathcal{L}{total} = \underbrace{\mathcal{L}{PDE}}{\text{Residuen der Gleichung}} + \underbrace{\mathcal{L}{IC}}{\text{Anfangsbedingungen}} + \underbrace{\mathcal{L}{BC}}_{\text{Randbedingungen}}

f(x,t) = \frac{\partial u}{\partial t} - \alpha \frac{\partial^2 u}{\partial x^2} \quad \Rightarrow \quad \mathcal{L}{PDE} = \frac{1}{N}\sum{i=1}^{N} |f(x_i, t_i)|^2