i207M/PINNacle

解决的问题

PINNacle 提供了一种标准化的方法，用于评估和比较不同的物理信息神经网络（PINN）变体。它通过实现多种 PINN 方法论并提供一个具有挑战性的数据集，解决了求解偏微分方程（PDE）缺乏全面基准的问题。

工作原理

该项目实现了多种 PINN 变体，按其改进 PDE 求解的方法进行分类：

• 损失重加权：如 PINN-LRA 和 PINN-NTK 等方法。
• 配点重采样：RAR 方法。
• 优化器：一种名为 MultiAdam 的专用优化器。
• 损失函数：正则化项（gPINN）和变分公式（hp-VPINN）。
• 架构变化：自适应激活函数（LAAF、GAAF）和域分解（FBPINN）。

适用人群

从事物理信息机器学习以求解微分方程，并优化神经网络在科学计算中性能的研究人员和工程师。

主要亮点

• 实现了 11 种不同的 PINN 变体，包括基础 PINN 以及高级的架构和优化策略。
• 包含一个专为 PDE 求解基准设计的新挑战性数据集。
• 支持统一的基准测试脚本，可使用自定义设置运行多个测试用例。