DeepXDE：科学盘算与PINN物理信息神经网络的深度学习库

DeepXDE 是一个用于科学呆板学习和物理信息学习（Physics-Informed Learning）的库，紧张用于办理各种偏微分方程（PDEs）、常微分方程（ODEs）、积分微分方程（IDEs）等数学题目。该库支持多种前沿的物理信息神经网络（PINNs）方法，而且可以或许有用地处理处罚差别范例的物理建模使命。DeepXDE 的核心目的是将深度学习方法与物理范畴的传统数值盘算方法团结，促进科学盘算和工程建模的高效求解。

源代码：https://github.com/lululxvi/deepxde
紧张特点和功能

  

• 物理信息神经网络（PINN） :
  
     
  
  • 通例 PINN ：用于办理常微分方程（ODEs）和偏微分方程（PDEs）的正向和反向题目。   
    
  • fPINN ：用于办理分数阶偏微分方程（fPDEs）的正向和反向题目。   
    
  • PINN 与硬束缚（hPINN） ：用于办理反向筹划和拓扑优化题目。   
    
  • 多标准 Fourier 特性 PINN ：加强 PINN 在多标准题目中的体现。   
    
  • 残差自顺应采样