説明

PINNは、物理法則（微分方程式）をコスト関数に組み込んで訓練されたニューラルネットワークで、Physics-Informed Neural Network の略である。流体力学では、ナビエ–ストークス方程式や境界条件をペナルティ項として損失関数に含め、NN がそれらを満たすよう最適化する。これにより、散逸データが少なくても NN が流れ場を補完的に推定できたり、未知のパラメータを同定できる利点がある。例えば、観測データのわずかな部分から PINN が全流れ場を重建したり、逆問題として乱流モデルのパラメータを推定する応用が報告されている。PINN はまだ研究段階だが、計算科学と機械学習の融合として将来性が注目されている。