具有物理信息的神经网络计算时间相关的狄拉克方程
摘要：使用物理信息神经网络(PINNs)计算时变的狄拉克方程是我们的提议。PINNs是一种在科学机器学习中使用的强大工具，避免了使用近似导数的微分操作符。PINNs以参数化（深层）神经网络的形式搜索解，其导数（在时间和空间上）通过自动微分实现。计算成本来自于使用随机梯度方法解决高维优化问题和用大量数据训练网络的需要。具体而言，我们推导出基于PINNs的算法，并介绍了在不同物理框架中应用于狄拉克方程时的一些关键基本属性。
作者：Emmanuel Lorin and Xu Yang
论文ID：2204.02959
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2022-04-07