잡다구리 너구리

이전 글에 이은 Physics Informed DeepONet의 Burger's Equation 예제 코드 분석, 이번 글에는 PI-DeepONet에 정의된 손실 함수를 집중적으로 다뤄보고자 한다. 이전 글과 PIDoN의 개념적인 내용은 아래 글을 통해 확인할 수 있다. 시작하기 앞서, PIDoN은 PINN과 동일하게 물리적 정보를 포함한 지배 방정식을 이용한 손실함수와 초기 조건과 경계 조건을 반영한 손실 함수를 사용한다는 점을 인지한다면 이해하기는 어렵지 않다. 2024.02.11 - [인공지능/Deep Learning] - [PIDoN] Physics-Informed DeepONet에 대하여 [PIDoN] Physics-Informed DeepONet에 대하여최근 PINN과 같이 Single Ins..

예상치 못하게 학부 때 하던 인공지능이나 해석과 동 떨어진 일을 하게 되어, 근 1년 간 딥러닝에 손을 떼고 있었다. 아무리 안 쓰더라도 마냥 손 떼기도 그렇고, 언젠가는 내가 하는 일에도 공부했던 것들을 적용하기를 바라며, 다시 하나둘 공부해 봐야겠다는 생각이 들었다. 그에 대한 일환으로 일단 학부 때 했던 것들을 기억을 되살려 하나씩 기록하려고 한다. 가장 먼저 할 건 귀찮아서 미뤄뒀던 Physics-Informed DeepONet(PIDoN) 예제 코드에 대한 포스팅이다. 본 포스팅에 사용할 예제 코드는 "Learning the solution operator of parametric partial differential equations with physics-informed DeepONets" ..

최근 PINN과 같이 Single Instance 특성을 가진, 즉 같은 문제 상황이더라도 Input 데이터 등의 조건이 바뀌면 재훈련해야 된다는 문제로 인해 Operator Learning과 같은 Multi Instance의 특성을 가진 알고리즘들이 떠오르고 있다. 그중 필자의 생각으로 가장 많은 연구가 진행된 것은 Physics Informed Neural Operator (PINO)와 Physics Informed DeepONet (PIDoN)이 아닐까 생각한다. 실제로 PINO 경우는 엔비디아에서 쓰고 있으니까. PINO에 대한 포스팅은 일전에 남겼기 때문에 이번에는 PIDoN에 대해 적어보고자 한다. DeepONet이란? PINN이 기본적인 CNN에 물리적 정보를 끼얹은 것처럼 PIDoN 또한 ..