jdtoscano94/NABLA-SciML

What it solves

NABLA-SciML は、乱流や脳脊液の流れのように、従来の技術では分析が困難な複雑な物理システムの研究のために、科学機械学習 (SciML) 手法を実装するための統一フレームワークを提供します。

How it works

このプロジェクトは、物理情報学習のために設計されたいくつかの高度なニューラルアーキテクチャと最適化技術を実装しています。これらには次が含まれます：

• Physics-Informed Neural Networks (PINNs) および DeepONets。
• Kolmogorov-Arnold Networks (KANs) およびその変種、例えば Kurkova-Kolmogorov-Arnold Networks (KKANs) や cKANs。 。
• Residual-Based Attention (RBA) と、モデルの安定性と信頼性を向上させるための Variational Framework for Residual-Based Adaptivity (vRBA)。
• 高精度なトレーニングのためのカスタム Self-Scaling Broyden (SSBroyden) オプティマイザー。

Who it’s for

ニューラル PDE ソルバーと算子学習フレームワークの再現可能な実装を必要とする、科学機械学習分野の研究者やエンジニア。

Highlights

• PyTorch と JAX の両方をサポート。
• 精度向上のために特化した SSBroyden オプティマイザーを含む。
• 微分方程式における MLP と KAN 表記法の間での包括的な比較を提供。
• PINNs および DeepONets の初心者のためのチュートリアルとビデオガイドを提供。