Physics-Informed Neural Networks (PINN) / Mạng nơ-ron Thông tin Vật lý

📖 Physics-Informed Neural Networks (PINN)

Definition (English):

PINNs embed physical laws (PDEs, boundary conditions) into neural network loss functions. The loss combines data mismatch (from observations) and physics residual (from governing equations). PINNs solve forward problems (prediction), inverse problems (parameter estimation), and data assimilation with limited data. They are mesh-free and handle complex geometries. Applications: fluid dynamics, heat transfer, biomedical flows.

📖 Mạng nơ-ron Thông tin Vật lý

Định nghĩa (Tiếng Việt):

PINN nhúng định luật vật lý (PDEs, điều kiện biên) vào hàm loss của mạng nơ-ron. Loss kết hợp sai số dữ liệu (từ quan sát) và dư vật lý (từ phương trình điều khiển). PINN giải quyết bài toán tiến (dự đoán), bài toán ngược (ước lượng tham số) và đồng hóa dữ liệu với dữ liệu hạn chế. Chúng không cần lưới và xử lý hình học phức tạp. Ứng dụng: động lực học chất lỏng, truyền nhiệt, dòng sinh học.

📂 Phân loại: Scientific ML