강의

멘토링

커뮤니티

AI Technology

/

Deep Learning & Machine Learning

ディープラーニング次世代革新技術 - 物理情報ニューラルネットワーク入門とPytorch実習

ディープラーニング次世代革新技術の一つである物理情報ニューラルネットワークを勉強し、Pytorchを利用して直接実装を行う講義です。 人工知能の次世代革新技術を私と一緒に学びましょう!

  • dlbro
3시간 만에 완강할 수 있는 강의 ⏰
딥러닝모델
PyTorch
Deep Learning(DL)
Machine Learning(ML)
Artificial Neural Network

学習した受講者のレビュー

受講後に得られること

  • 人工知能の次世代革新技術である物理情報ニューラルネットワークの概念

  • パイトーチを用いた物理情報ニューラルネットワークの構築

昇る次世代ディープラーニングモデル
物理情報ニューラルネットワーク(PINN)

近年、物理法則を統合したディープラーニングモデルが人工知能を活用した問題解決の新たな鍵となっています。ジェンセンファンNVIDIAのCEOは、AIの次の波は物理的な世界を学習するAIになるだろうとし、可能性を強調したりしました。その中で最も注目されるモデルは物理情報ニューラルネットワーク(PINN)です



[Googleトレンド] physics-informed neural networksの高騰の関心度


物理情報ニューラルネットワーク(Physics-informed neural networks)は、物理情報を学習して作成された人工ニューラルネットワークです。これはニューラルネットワークの性能と物理情報の組み合わせにより、限られたデータでも複雑なシステムを正確に構築できる技術で、産業分野でも次世代革新技術とみなしています。

AI コンピューティングの先頭を走るNVIDIAでも、物理ベースの機械学習モデルをイノベーション技術と紹介し、同社のAIフレームワークModulusを発売しました。 NVIDIAを含むアマゾン、フィリップス、エクソンモービル、スペースX、BMW、シーメンスなど多くの企業が物理情報ニューラルネットワークに投資および開発を行っており、物理ベースの機械学習モデルが業界全体で次世代イノベーションを牽引すると期待しています。

なぜ物理情報ニューラルネットワークなのか?

(1) 様々な課題を解決

ディープラーニングに物理法則を統合した物理情報ニューラルネットワークは、従来のディープラーニングが解決できなかった様々な難題を解決し、ディープラーニングを適用する産業群を拡張しています。特に最近では医療(新薬開発)、環境(気候予測)、建築(構造設計)などに導入され、魅力的な技術として注目されています。

Nvidiaのモジュラス

(2) 少ないデータ使用

人工ニューラルネットワークの基本的な学習方法である地図学習は、一般的に膨大な量のデータを必要とします。一方、物理情報ベースの学習は物理法則に基づいて予測するため、データなしでまたは少量のデータを使用するだけで正確なモデルを構築できます。

物理情報ニューラルネットワーク

(3) 透明性と効率性を兼ね備えたシステム構築

物理情報ニューラルネットワークは、さまざまな技術と統合することができ、さまざまな分野で精度を向上させることができ、既存の方法と比較して演算速度を大幅に向上させることができます。また、物理法則に基づいてモデルの予測と決定プロセスが行われるため、比較的ディープラーニングの「ブラックボックス」の問題を解決するのに役立ちます。

FEM vs PINN

理論から実装まで
物理情報ニューラルネットワークの基礎を埋める

このレッスンでは、概念学習後のさまざまな問題に対してモデルを直接実装します。

数学が障壁にならないよう、微分概念から取り上げます。
物理情報ニューラルネットワークの概念とニューラルネットワークの学習原理を紹介します。
✅6の実習で物理情報ニューラルネットワークを直接実装できます。


受講前の注意

練習環境

  • 練習は、別途のインストールを必要としないGoogleコラボレーションで行われます。 Googleアカウント(無料)が必要で、コラボが使用できない場合は、練習に支障をきたす可能性があります。

学習資料

  • クラスで使用されるスライドとコードの両方が提供されます。

  • パイトッチを使ってモデルを実装します。

選手の知識と注意事項

  • 指導学習、傾斜下降法などの若干のディープラーニング基本知識が必要です。

  • この講義には微分方程式、数値解析などの数学内容が多数含まれています。しかし、微分知識がない方も聞けるように講義を構成しました。

  • この講義は質問できる講義です。クラス関連の質問はいつでも歓迎します。 :)

こんな方に
おすすめです

学習対象は
誰でしょう?

  • 人工知能関連大学/大学院を準備する方

  • 人工知能の未来に従いたい人

  • ディープラーニング次世代革新技術を経験したい方

前提知識、
必要でしょうか?

  • 欲しい情熱

  • ディープラーニングの基礎知識

  • Pythonの基礎知識

こんにちは
です。

5,028

受講生

378

受講レビュー

261

回答

4.7

講座評価

7

講座

안녕하세요.

딥러닝/머신러닝 관련 유튜브를 운영하는 딥러닝 호형입니다.

수학/데이터 분석을 전공하고 다수의 딥러닝 프로젝트를 완료하고 수행하고 있습니다.

 

머신러닝, 고급 머신러닝, 딥러닝, 최적화 이론, 강화 학습 등의 인공지능 내용과 선형 대수학, 미적분, 확률과 통계, 해석학, 수치해석 등의 수학 내용까지 여러분들과 공유할 수 있는 지식을 가지고 있습니다. 

 

모두 만나서 반갑습니다!

 

* 관련 이력

현) SCI(E) 논문, 국제 학회 발표 다수

현) 인공지능 관련 대학교 자문 다수

전) K기업 전임 연구원 - 데이터 분석 및 시뮬레이션: 신제품 개발, 성능 향상, 신기술 적용

"딥러닝을 위한 파이토치 입문" 저서 (세종도서 학술부문 2022 우수도서로 선정)

 

 

 

 

カリキュラム

全体

19件 ∙ (2時間 22分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

全体

16件

4.8

16件の受講レビュー

  • aquarid22님의 프로필 이미지
    aquarid22

    受講レビュー 12

    平均評価 5.0

    5

    74% 受講後に作成

    現業でPINNについてキーワードを聞いてとても気になっていた車でしたが、関連資料も多くなく、体系的に説明した韓国語講座はこれ以上ありませんでした。 もしもう少し複雑な実戦問題を扱ってくれるadvanced追加PINN講義を開設して頂ければ私は100%受講いたします。できません〜〜例えば3次元CFD問題とか天気予報画像予測、3D機械システムの衝突あるいは挙動などの実戦問題に適用した事例をadvanced講座でcode levelで解くことができれば、現業適用に役立つことが本当に多いようです。もちろん今講義もイチオシです^^

    • dlbro
      知識共有者

      受講評 ありがとうございます。気になったら、いつでも質問してください!

    • バッテリーや寿命に適用するアドバンスドな講義を作成いただけないでしょうか? コード中心の説明だと助かります。

  • icarus01180867님의 프로필 이미지
    icarus01180867

    受講レビュー 1

    平均評価 5.0

    5

    32% 受講後に作成

    怖くて難しいのに、誰かはこんな説明してくれるのがいいですね。国内にはこれほど講義が稀です。笑

    • dlbro
      知識共有者

      難易度調整に悩みが多かったのですがこんなに絶賛してくれてありがとう。熱気になって、いつでも質問してください!

  • 지도카노님의 프로필 이미지
    지도카노

    受講レビュー 1

    平均評価 4.0

    4

    32% 受講後に作成

    • monostylegc7749님의 프로필 이미지
      monostylegc7749

      受講レビュー 5

      平均評価 5.0

      5

      32% 受講後に作成

      • 16334909958님의 프로필 이미지
        16334909958

        受講レビュー 4

        平均評価 5.0

        5

        100% 受講後に作成

        ¥8,814

        dlbroの他の講座

        知識共有者の他の講座を見てみましょう!

        似ている講座

        同じ分野の他の講座を見てみましょう!