专栏首页arxiv.org翻译专栏在海洋建模中最佳地加权物理信息的神经网络

在海洋建模中最佳地加权物理信息的神经网络

世界海洋的碳泵在地球的生物圈和气候中发挥着至关重要的作用,促进了对海洋的函数和影响气候变化分析的理解。 需要最先进的技术开发可以捕获海洋电流和温度流动的复杂性的模型。 这项工作探讨了使用物理信息的神经网络(PINN)来求解与海洋建模相关的局部微分方程的好处; 如汉堡,波和平行扩散方程。 我们探讨使用数据与Pinns的物理模型进行折衷的权衡,以求解局部微分方程。 Pinns占偏离物理法律,以改善学习和泛化。 我们观察到如何在损失函数中的数据和物理模型之间的相对重量影响训练结果,其中小数据集中从添加的物理信息中受益更多。

原文题目:Towards Optimally Weighted Physics-Informed Neural Networks in Ocean Modelling

原文:The carbon pump of the world's ocean plays a vital role in the biosphere and climate of the earth, urging improved understanding of the functions and influences of the ocean for climate change analyses. State-of-the-art techniques are required to develop models that can capture the complexity of ocean currents and temperature flows. This work explores the benefits of using physics-informed neural networks (PINNs) for solving partial differential equations related to ocean modeling; such as the Burgers, wave, and advection-diffusion equations. We explore the trade-offs of using data vs. physical models in PINNs for solving partial differential equations. PINNs account for the deviation from physical laws in order to improve learning and generalization. We observed how the relative weight between the data and physical model in the loss function influence training results, where small data sets benefit more from the added physics information.

原文链接:https://arxiv.org/abs/2106.08747

原文作者:Taco de Wolff (CIRIC), Hugo Carrillo (CIRIC), Luis Mart{í} (CIRIC), Nayat Sanchez-Pi (CIRIC)

我来说两句

0 条评论
登录 后参与评论

相关文章

  • PCE-PINNs:用于海洋建模中不确定性传播的物理信息神经网络

    根据CMIP6模型组合,气候模型预测到2100年全球温度上升1.5至5摄氏度的不确定性范围。气候风险管理和基础设施适应需要在地方层面准确量化不确定性。高分辨率的...

    用户8436237
  • 学习资源 | NOAA连接AI与环境科学(十一)—降水、雷电、山洪、气溶胶等13个实际应用

    AI,机器学习/深度学习技术(包括深层神经网络,DNN)在许多领域和应用中取得了很大的进展,包括医药、自动驾驶、社交媒体、金融工业等。在私有领域,人工智能的准确...

    郭好奇同学
  • Kongsberg、三星重工、IBM、MIT…...历时已久的自驾船竞赛花落谁家?

    IBM与海洋研究非营利组织ProMare合作推出的AI船长,在上周刚结束的2021国际电子消费展上获得了最佳创新奖。其具备的AI全自主决策驾驶技术,让沉寂已久的...

    用户2908108
  • 13个模型超过《Nature》论文!AI攻克“蝴蝶效应”背后难题指日可待

    1963年,气象学家爱德华·劳伦兹发现混沌理论后,发出如此惊世一问。这也就是我们常说的蝴蝶效应。劳伦兹用它来形容“厄尔尼诺”等复杂气候现象的难以预测性。简单理解...

    AI科技评论
  • 【投票启动】2019中国千山·金峰奖之最佳文旅科技创新示范奖

    ? 中国文旅产业“金峰奖”评选致力于促进产业升级发展、构建优质文旅资源联合体、打造文旅产业年度风向标。 自2016年起,已连续评选3届,共200余个地区及机构...

    腾讯文旅
  • 如何构建更精确的西北太平洋台风风圈结构模型?

    西北太平洋热带气旋(即台风)是世界各海域热带气旋中强度最大、最频发、致灾能力最强、变化最为复杂的热带气旋。因此如何构建一个合理精确的西北太平洋台风结构模型是一个...

    郭好奇同学
  • 双周动态 | TC610网络人工智能应用工作组发布第一批研究报告;华裔张复伦利用RNN成功解码脑电波,合成语音

    全面升级!【灯塔小数据】最新改版,改版后的【融智未来】将全面整合产业资源,提供AI、大数据、物联网、区块链、云存储等方面最新动态。

    灯塔大数据
  • 17个惊艳的数据可视化案例,让你更懂数据可视化!

    今天看完为大家整理的17个数据可视化优秀作品,你就知道原来数据可视化作品还可以这样做,欢迎大家分享与收藏。

    小F
  • 利用AI提高对深海物种的识别速度和准确率

    随着海洋环境面临越来越多的威胁,科学家迫切需要更多关于栖息在海床中的生物的信息,以便为海底生物提供保护并为生物多样性管理提供信息。

    AiTechYun
  • 首个镜子分割网络问世,大连理工、鹏城实验室、中国香港城大出品 | ICCV 2019

    镜子作为日常生活中非常重要的物体无处不在,不仅能够反射光线,能呈现出周围物体或者场景的镜像。

    量子位
  • AI提前18个月预测厄尔尼诺自然灾害,已登Nature和Science

    可怕的厄尔尼诺每 2 到 7 年就会爆发一次,导致非洲南部出现干旱、南美野火肆虐以及北美太平洋海岸洪水泛滥,有效的厄尔尼诺预警能够减低经济损失。近日,韩国全南大...

    机器之心
  • 2020「水下目标检测算法赛」赛题解析——声学图像

    当下,由于水下恶劣危险的环境,海洋产业在发展中面临着迫切的产业智能化升级需求。为了解决该类问题,将光学技术、声学技术和 AI 算法更好的融入到海洋产业中,近期,...

    AI科技评论
  • 惊了!无缝衔接Fortran大气模式和Keras深度学习模型!

    今天看到这篇文章的时候,立马放下了手中的活,把论文大概刷了一遍。以下是对这篇论文的简单的解读。文末有文章和代码链接。

    bugsuse
  • 通过18万小时的海域录音,谷歌用AI帮助科学家更好地保护座头鲸

    近几年,人工智能已经走进了各个领域,以帮助人类更好的进行研究。近日《纽约时报》报道称,机器学习为海洋“巨头”座头鲸的科学研究提供了很大帮助。

    大数据文摘
  • 独家 | 一文读懂如何用深度学习实现网络安全

    本文简要介绍深度学习以及它支持的一些现有信息安全应用,并提出一个基于深度学习的TOR流量检测方案。

    数据派THU
  • 11个物联网消息传递的神话

    由于实时数据处理和交付的问题,许多应用开发神话涌现在企业物联网市场。 这篇文章看起来流行那些神话气球。 每个人都喜欢一个好的神话。这使娱乐餐桌谈话。但是有时神话...

    首席架构师智库
  • 为什么气象站和 AI 都测不准天气?

    内容概要:根据气象部门预报,8 月 12 日北京将迎来今年入汛以来最强降雨,引发了社会各界的关注,也让人们开始关注天气预报和背后的科学预测方法。如今在气象观测中...

    HyperAI超神经
  • 期待已久!邓力、刘洋等合著的这本NLP书你确定不想看?

    官方书籍地址:https://www.springer.com/gp/book/9789811052088

    机器之心
  • ☞【案例】大数据与数据挖掘的相对绝对关系

    泄密者爱德华·斯诺登(Edward Snowden)还在寻求容身之所的时候,美国国家安全局(NSA)全方位收集电话和电子邮件记录之事经过他的披露,已经引发了不安...

    小莹莹

扫码关注云+社区

领取腾讯云代金券