В Пензенском государственном университете (ПГУ) создали два программных продукта, которые при моделировании и проектировании опираются на нейросети, использующие законы физики.

В настоящее время в проектировании используют сложные алгоритмы. Решение в большинстве случаев находится приближенными численными методами. Это требует использования мощных компьютеров.

Применение обычных нейронных сетей, обучающихся на большом количестве примеров, для решения таких задач не очень подходит из-за низкой доступности данных для многих научных, технических и биологических задач. Пензенские ученые разработали физически информированные — основанные на физике — нейронные сети (Physics-Informed Neural Networks, PINN). Такие сети в отличие от традиционных нейронных сетей включают в свою архитектуру математические формулы и физические законы, описывающие поведение моделируемой системы. Это означает, что PINN учитывают физическое описание проблемы, а не просто аппроксимируют данные — заменяют данные на близкие к исходным, но более простые.

С помощью разработанных моделей, ученым ПГУ первым в мире удалось решить прямые и обратные задачи для кусочно-однородных сред на физически информированных нейронных сетях. На разработки получены два свидетельства о государственной регистрации программы для ЭВМ.

«Решая прямую задачу, можно рассчитать распределение температуры в многослойной среде, содержащей материалы с различными теплофизическими характеристиками. При решении обратной задачи можно по измеренной температуре в некоторых точках неоднородного тела определить характеристики материалов тела», — объяснил один из разработчиков, заведующий кафедрой «Компьютерные технологии» ПГУ, доктор технических наук Владимир Горбаченко.

Новые программные продукты помогут подобрать оптимальный материал под определенную задачу (например, при проектировании в строительстве), а также просчитать температуру в любой интересующей точке (при сборке технического оборудования). По словам ученых, разработку можно применять и в производстве электронной аппаратуры, так как она позволит эффективно подобрать компоненты для предотвращения нагрева.