PINN یا شبکه های عصبی فیزیک آگاه مفهومی نسبتا جدیده که در سال ۲۰۱۷ با استناد به مقالات اولین بار با همین اسم توسط دکتر مازیار رئیسی و تیمش تعریف شد و البته در سال های پیش رو بر روی اون کار های بیشتری کرد. برای بهتر فهمیدن شبکه های عصبی فیزیک آگاه همونطور که از اسم اون پیداست باید از یک مثال فیزیکی در طبیعت استفاده کنیم و با اینکه میدونم به عنوان پزشک پای خودم رو به دنیای ترسناکی باز میکنم، اما تلاش میکنم بر ترسم غلبه کنم و با استفاده از کورس های بیشماری که در اینترنت هست طوری توضیح بدم که قابل فهم باشه.
تصور کنید ما در حال توسعه ی یک مدلی هستیم که با یک شبکه ی عصبی در حال یادگیری حداکثر ارتفاع یک پرتابه ای که مستقیم به سمت بالا پرتاب میشه با مجموعه ای از سرعت های اولیه و حداکثر ارتفاع پرتابه هست.
شاید بگید که این اتفاق به لطف معادلات بسیار قدیمی که آقای نیوتون 400 سال پیش کشف کرده بود که در پایین اومده، قابل حله و دیگه نیاز به استفاده از شبکه های عصبی یا به طور کلی هوش مصنوعی نیست.
اما در واقعیت بجز گرانش نیروهای دیگه ای هم بر روی پرتابه تاثیر میزارن؛ ساده ترین اونها، اصطکاک. شاید باز بگید که فیزیک روش محاسبه ی اصطکاک رو هم به ما داده، بله درسته، اما همین الان در طبیعت، مخصوصا وقتی در مورد ابعاد کوچک و میکروسکوپی صحبت میکنیم، اتفاقاتی می افتن که ما کلیت فیزیکی اونهارو میدونیم اما از همه ی موارد تاثیر گذار آگاه نیستیم. اینجا همون جایی هست که شبکه های عصبی فیزیک آگاه به کمک ما میان.
در یک مدل ساده ی شبکه ی عصبی، مدل ما با داده ی اولیه یک پیشبینی انجام میده و وزن هایی رو برای شبکه قائل میشه (در اولین تلاش کاملا رندوم حدس میزنه). بعد اون نتیجه ی نهایی رو با مقدار واقعی مقایسه میکنه و براساس میزان خطایی که داره، وزن هارو تصحیح میکنه.
برتری شبکه های عصبی فیزیک آگاه نسبت به شبکه های معمولی در این است که در این شبکه ها تصحیح یا به قول بعضی از متون تنبیه با دو چیز تعیین میشه. میزان خطایی که پیشبینی شبکه از معادلات فیزیکی مربوطه داره و میزان خطایی که از مقدار واقعی داره.
بنابراین تصحیح مدل نه تنها در جهت تصحیح به سمت داده های وقعی بلکه به سمت معادله ی فیزیکی زمینه ای هم سوق پیدا میکنه. اما شاید بگید جمع آوری داده ای مثل سرعت اولیه ی پرتاپه و حداکثر ارتفاع اون کار ساده ایه و با داشتن میلیون ها داده از زوج های سرعت اولیه و حداکثر ارتفاع پرتاپه، حتما یک شبکه ی عصبی بدون کمک گرفتن از فیزیک میتونه عملکرد عالی (و حتی بهتر از معادله ی صرف دیفرانسیل بدون در نظر گرفتن اصطکاک) داشته باشه و باید بگم که این کاملا گذاره ای درسته و دقیقا کاری هست که شبکه های عصبی اون رو به خوبی انجام میدن. اما شرایطی رو تصور کنید مثل پیش بینی حرکت یک رادیودارو در بدن، تعداد داده هایی که از طریق اسکن هسته ای از این مریض ها به دست میاد بسیار محدوده و با تعداد داده های کم کار آموزش شبکه ی عصبی بسیار سخت میشه. بنابراین در این شرایط شبکه های عصبی فیزیک آگاه به کمک ما میان و ما میتونیم با تعداد داده های کم هم نتایح خوبی بگیریم.
البته چیزی که من اینجا توضیح دادم توضیحی ساده از عملکرد شبکه های عصبی فیزیک آگاهه، اما اصول اولیه همین هست و شما هم میتونید با یک پرامپت به راحتی شبکه ی عصبی فیزیک آگاه خودتون رو با داده های فرضی درست کنید و با دقت بیشتری به کد اون و کاری که مرحله به مرحله انجام میشه نگاه بندازید.
البته میتوانید از دستیار شخصی خودتان بپرسید که برای شما و متناسب با حرفه و دانش شما برای شما توضیح بده و از شما چه پنهان، خودم هم همین کار را بارها در هنگام انجام دادن پروژه ام کردم تا تونستم خوب متوجه بشم. اما اینکه دستیار شما برای شما توضیح میده دلیل بر این نیست که ما از نوشتن دست برداریم. ما تا ابد به دنبال برتر نشان دادن خومان از مخلوقاتمان خواهیم بود
