Projet de fin d'études

PINN - Physics-Informed Neural Network

"Physics and Data Informed Neural Networks"
Les Physics-Informed Neural Networks sont des réseaux de neurones conventionnels (type feedforward) mais dont le critère correspond à la validité d'un modèle. Ce modèle peut être simplement une courbe, une équation différentielle ordinaire ou aux dérivées partielles, d'où l'acronyme.

Plan d'avancement du projet

• Exploration d'un PINN pour le fitting d'une courbe simple (exercice "scolaire")
• Exploration d'un PINN pour un réacteur d'adsorption (production de e-fuel) simple, avec accélération de la convergence des résultats
• Exploration d'un PINN pour un système plus complexe

Bibliothèques utilisées

DeepXDE (https://github.com/lululxvi/deepxde)
gspread (https://github.com/burnash/gspread)

Docs:

Initialisation des poids du réseau: (https://cs230.stanford.edu/section/4/#xavier-initialization)
Video explicative DeepXDE: (https://www.youtube.com/watch?v=Wfgr1pMA9fY&list=PL1e3Jic2_DwwJQ528agJYMEpA0oMaDSA9&index=14&ab_channel=MLPS-CombiningAIandMLwithPhysicsSciences)