A novel framework for generalization of deep hidden physics models

要約

完全なシステム情報が不明なシステムのモデリングは、関係するすべての複雑な物理学を考慮することが不可能であるか、利用可能なリソースの制限内に収まるように単純なモデルを考慮するため、さまざまな工学および産業アプリケーションで頻繁に遭遇する問題です。
深い隠れた物理モデルのようなグレーボックス モデリングの最近の進歩は、データと物理を組み合わせることによってこの領域に対処します。
ただし、実際のアプリケーションのほとんどでは、システム入力やパラメーターの小さな変更やドメイン構成の変更ごとにモデルを再トレーニングすると、モデルが経済的に実行不可能になる可能性があるため、モデルの一般化可能性が重要な問題となります。
この研究では、システム入力、パラメータ、およびドメインの変化を一般化できる隠れた物理モデルのアイデアに対する新しい拡張機能を紹介します。
また、このアプローチがシステム発見にも有望であり、変更されたシステム入力、パラメーター、ドメイン構成の隠れた物理現象を学習するのに役立つことも示します。

要約(オリジナル)

Modelling of systems where the full system information is unknown is an oft encountered problem for various engineering and industrial applications, as it’s either impossible to consider all the complex physics involved or simpler models are considered to keep within the limits of the available resources. Recent advances in greybox modelling like the deep hidden physics models address this space by combining data and physics. However, for most real-life applications, model generalizability is a key issue, as retraining a model for every small change in system inputs and parameters or modification in domain configuration can render the model economically unviable. In this work we present a novel enhancement to the idea of hidden physics models which can generalize for changes in system inputs, parameters and domains. We also show that this approach holds promise in system discovery as well and helps learn the hidden physics for the changed system inputs, parameters and domain configuration.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google