SciML/DiffEqFlux.jl

해결하는 문제

DiffEqFlux.jl은 기계학습 모델에 미분방정식을 통합하는 문제를 해결합니다. 연구자들이 물리 법칙과 연속 시간 동역학을 신경망에 통합할 수 있게 하여, 전통적인 블랙박스 ML보다 더 물리적으로 정보가 풍부한 '과학 기반 기계학습'(SciML) 모델을 생성할 수 있습니다.

작동 방식

이 패키지는 DifferentialEquations.jl의 미분방정식 해법기와 Lux.jl, Flux.jl과 같은 신경망 프레임워크를 결합합니다. 미분방정식의 해를 신경망의 레이어로 취급하는 특화된 레이어 세트를 제공합니다. 이를 통해 해법기를 통해 역전파를 통해 아키텍처를 학습할 수 있습니다.

대상 사용자

과학 기반 기계학습, 물리 정보 기반 신경망, 그리고 연속 시간 동역학이 필요한 복잡한 역학 시스템을 다루는 연구자 및 엔지니어를 위한 것입니다.

주요 특징

• 다양한 ODE/SDE 아키텍처: Neural ODE, Neural SDE, Neural DAE, Neural DDE, Augmented Neural ODE를 지원합니다.
• 고급 해법기: 고차, 적응형, 음성, GPU 가속 방법을 포함하며, 뉴턴-크릴로프 해법기도 제공됩니다.
• 특화된 네트워크: 심플렉틱 적분기를 갖춘 해밀토니안 신경망과 연속 정규화 흐름(CNF/FFJORD)이 포함됩니다.
• 유연한 통합: 신경망을 ODE의 항으로 사용하거나, ODE 해법기를 신경망 내의 활성화 함수로 사용할 수 있습니다.