آنچه یاد خواهید گرفت:
ساخت حلکننده معادلات دیفرانسیل جزئی (PDE) مبتنی بر PINNs
درک نظریه پشت حلکنندههای PINNs برای PDEها
ساخت مدلها با استفاده از NVIDIA Modulus
استفاده از NVIDIA Modulus در GoogleColab و GPU شخصی NVIDIA خود
پیشنیازهای دوره
ریاضیات دوره متوسطه
دانش پایه از زبان برنامهنویسی Python
توضیحات دوره
این دوره مقدماتی شما را برای کار با شبکههای عصبی با اطلاع فیزیکی (PINNs) با استفاده از NVIDIA Modulus آماده میکند. ما اصول حل معادلات دیفرانسیل جزئی (PDEها) با استفاده از شبکههای عصبی با اطلاع فیزیکی را از پایه آموزش میدهیم و به تدریج به سمت حل این معادلات با Nvidia Modulus پیش میرویم.
مهارتهایی که خواهید آموخت:
در این دوره، مهارتهای زیر را یاد میگیرید:
درک ریاضیات پشت حل معادلات دیفرانسیل جزئی (PDEها) با استفاده از PINNs
نوشتن و ساخت الگوریتمهای یادگیری ماشین برای حل PINNs با استفاده از Pytorch
نوشتن و ساخت الگوریتمهای یادگیری ماشین برای حل PINNs با استفاده از Nvidia Modulus
فرآیند پسپردازش نتایج
استفاده از کتابخانههای متن باز
تعریف معادلات PDE خود برای حل یا استفاده از معادلات آماده (مانند معادلات N.S در Nvidia Modulus)
موارد آموزشی:
مفاهیم پایه Pytorch
نحوه راهاندازی Nvidia Modulus بر روی GPU کامپیوتر شخصی و در Google Colab
حل معادله بورگرز یکبعدی (1D Burgers Equation) با استفاده از Physics-Informed Neural Networks (PINNs) در Pytorch
حل معادله موج یکبعدی (1D wave Equation) با استفاده از Physics-Informed Neural Networks (PINNs) در Nvidia Modulus
حل مسئله جریان داخل محفظه (cavity flow) با استفاده از Physics-Informed Neural Networks (PINNs) در Nvidia Modulus
حل مسئله جریان حرارتی دو بعدی (2D heat sink flow) با استفاده از Physics-Informed Neural Networks (PINNs) در Nvidia Modulus
اگر پیشزمینهای در یادگیری ماشین یا مهندسی محاسباتی ندارید، نگران نباشید. این دوره کامل و جامع است و اصول پایهای یادگیری ماشین و شبکههای عصبی با اطلاع فیزیکی (PINNs) را آموزش میدهد. با هم از یادگیری Nvidia Modulus لذت میبریم.
این دوره برای چه کسانی مناسب است؟
مهندسان و برنامهنویسانی که میخواهند با PINNs آشنا شوند.
علاقهمندان به یادگیری NVIDIA Modulus