Notatki z wykładów o sieciach neuronowych uwzględniających fizykę i operatorach neuronowych

Uniwersytet Bozen/Bolzano udostępnił kompleksowe notatki z kursu doktorskiego na temat Physics Informed Neural Networks i Neural Operators, realizowanego w roku akademickkim 2025/2026. Materiał edukacyjny stanowi praktyczne wprowadzenie do łączenia głębokich sieci neuronowych z wiedzą z zakresu fizyki, co pozwala na rozwiązywanie problemów zgodnie z rzeczywistymi prawami przyrody.

Notatki obejmują budowanie modeli od podstaw z wykorzystaniem PyTorch oraz zaawansowanych bibliotek open-source takich jak NVIDIA PhysicsNeMo. Kurs skupia się na praktycznych zastosowaniach w różnych dziedzinach - od zagadnień inżynieryjnych, przez problemy fizyczne, aż po modelowanie złóż surowców mineralnych. Studenci zapoznają się z architekturami Fourier Neural Operators, Mixture-of-Models oraz nowatorskim podejściem Physics-Informed Kolmogorov-Arnold Networks (PIKAN).

Publikacja tych materiałów jest ważna dla komundy naukowo-badawczej, ponieważ Physics Informed Neural Networks to jedno z najbardziej obiecujących podejść do rozwiązywania złożonych problemów fizycznych przy użyciu sztucznej inteligencji. PINN-y pozwalają na uwzględnienie praw fizyki bezpośrednio w strukturze modelu, co znacznie zmniejsza wymagania dotyczące danych treningowych i poprawia generalizację. Dostępność wysokiej jakości notatek edukacyjnych ułatwia szkolenie nowego pokolenia badaczy i praktykantów w tej specjalistycznej dziedzinie.