भौतिकी-आधारित Deep Learning पुस्तक

भौतिकी-आधारित Deep Learning

परिचय

• भौतिक सिमुलेशन से संबंधित Deep Learning का व्यावहारिक और व्यापक परिचय प्रदान करता है
• Jupyter Notebook के रूप में उपलब्ध है, इसलिए code examples को तुरंत चलाया और बदला जा सकता है
• डेटा से होने वाली मानक supervised learning के अलावा, physical loss constraints, differentiable simulation के साथ संयुक्त learning algorithms, भौतिक समस्याओं के लिए अनुकूलित learning algorithms, reinforcement learning और uncertainty modeling को भी शामिल करता है

नया सामग्री

• v0.2 में DP को NN training में एकीकृत करने वाला विस्तारित section और भौतिक समस्याओं के लिए बेहतर learning methods पर एक नया chapter जोड़ा गया है

पूर्वावलोकन

• अगले chapter में airfoil के आसपास fluid flow का inference करने और prediction की uncertainty का अनुमान लगाने के तरीके शामिल हैं
• यह समझाता है कि model equations को residuals के रूप में इस्तेमाल करके network को कैसे train किया जाए, और differentiable simulation का उपयोग करके इन residual constraints को कैसे बेहतर बनाया जाए
• inverse problems को हल करने के लिए पूरे simulator के साथ और अधिक निकटता से interact करने के तरीकों को शामिल करता है
• update step में inversion के महत्व को विस्तार से बताता है, और यह समझाता है कि higher-order information का उपयोग convergence speed बढ़ाने और अधिक सटीक neural networks प्राप्त करने में कैसे किया जा सकता है

चलाने योग्य code

• Jupyter Notebook का उपयोग करके सभी code examples को browser में सीधे चलाया जा सकता है
• दस्तावेज़ के भीतर दिए गए links के माध्यम से example code चलाकर देखा जा सकता है

राय और सुझाव

• इस पुस्तक का रखरखाव TUM के Physics-based Simulation Group द्वारा किया जाता है
• राय देने या त्रुटि मिलने पर email के जरिए संपर्क किया जा सकता है
• हाल के research papers के links का एक संग्रह भी बनाए रखा जा रहा है

आभार

• कई लोगों की मदद से यह project संभव हो पाया
• contributors को धन्यवाद दिया गया है

उद्धरण

• यदि यह पुस्तक उपयोगी लगे, तो कृपया इसे इस प्रकार cite करें:

  @book{thuerey2021pbdl,
    title={Physics-based Deep Learning},
    author={Nils Thuerey and Philipp Holl and Maximilian Mueller and Patrick Schnell and Felix Trost and Kiwon Um},
    url={https://physicsbaseddeeplearning.org},
    year={2021},
    publisher={WWW}
  }
  

GN⁺ की संक्षिप्त जानकारी

• यह लेख भौतिक सिमुलेशन और Deep Learning को जोड़ने वाली कार्यप्रणाली का परिचय देता है
• Jupyter Notebook के माध्यम से hands-on code examples उपलब्ध कराकर सीखने में मदद करता है
• physical loss constraints, differentiable simulation, reinforcement learning जैसे विभिन्न विषयों को कवर करता है
• Physics-based Deep Learning (PBDL) दृष्टिकोण के जरिए computer simulation की संभावनाओं का काफी विस्तार किया जा सकता है