【Udemy中英字幕】Simulation By Deep Neural Operator (DeepONets)

通过深度神经算子 (DeepONets) 进行模拟

仅使用数据进行人工智能模拟

讲师：Dr.Mohammad Samara

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

你将学到什么

• 了解深度神经算子方程求解器背后的理论。
• 构建基于 DeepONet 的深度神经算子求解器。
• 使用 DeepXDE 构建深度神经运算符代码。
• 使用 Pytorch 构建深度神经运算符代码。

要求

• 高中数学
• 基础Python知识

描述

这门综合课程旨在帮助您掌握有效利用深度神经算子模拟的技能。我们将深入研究求解偏微分方程 (PDE) 的基本概念，并演示如何通过应用深度算子网络 (DeepONet)使用有限差分法 (FDM) 求解 PDE 所生成的数据来构建模拟代码。

在本课程中，您将学习以下技能：

• 了解有限差分法背后的数学原理。
• 从头开始编写和构建算法以完善有限差分法。
• 了解偏微分方程 (PDE) 背后的数学原理。
• 使用 Pytorch编写和构建机器学习算法，通过深度神经运算符构建模拟代码。
• 使用 DeepXDE编写和构建机器学习算法，通过深度神经运算符构建模拟代码。
• 使用深度算子网络(DeepONet) 将有限差分法 (FDM) 的结果与深度神经算子的结果进行比较。

我们将涵盖：

• Pytorch矩阵和张量基础知识。
• 一维热方程的有限差分法 (FDM)数值解。
• 深度神经算子执行常微分方程 (ODE) 的积分。
• 深度神经运算符使用 Pytorch 对一维热方程进行模拟。
• 深度神经算子使用 DeepXDE对一维热方程进行模拟。
• 深度神经运算符使用 DeepXDE执行2D 流体运动模拟。

如果您缺乏机器学习或计算工程方面的经验，请不要担心。因为本课程是综合性的课程，通过应用深度算子网络 (DeepONet) 提供对机器学习以及偏微分方程偏微分方程和深度神经算子模拟的基本方面的透彻理解。

让我们一起享受学习 PINN 的乐趣

本课程适合谁：

• 想要学习通过深度神经算子执行模拟的工程师和程序员