What You Will Learn!
- 伝統的な科学技術計算とその課題を理解できる
- Machine Learning x Physicsのこれまでの研究の推移を理解できる
- Machine Learningの応用の1つとしての科学技術計算への適用を理解できる
- 近年注目を集めているMachine LearningによるPhysics Informed Approachを理解できる
- Physics Informed Approachの具体的なアルゴリズムと実装方法を理解できる
- PyTorchによるHands Onで実際に実装する事ができる
Description
【このコースは誰に向けたものか？】
本コースは、【Hands Onで学ぶ】PyTorchによる深層学習入門を受講して、PyTorchで深層学習を実装できるようになった方を対象に、Machine Learning / Deep Learningを科学技術計算に応用した技術について学ぶコースです。
本講座では次世代の数値シミュレーション技術として期待されているPhysics Informed Neural Networks(PINN)をメインに学習していきます。PINNは2017年にM. Raissi et al.によって提案された全く新しい科学技術計算のテクノロジーです。
論文数やGoogle Trend様々な指標で本技術の注目度の高さを伺い知ることができます。
2023年時点において、まだ日本ではあまり研究例は多くありませんが、数年後には大きなトレンドを形成していくのではないかと考えられます。
現在、数値シミュレーション・科学技術計算に携わられている方には必見のコースだと言えます。
また、本コースは短く纏められているため、最先端のTopicを僅か1時間程度で速習する事が出来ます。
【何が学べる？】
科学技術計算の分野自体は古くから研究されており、成熟した技術分野ですが、そのような伝統的な科学技術計算を簡単に学んだあと、抱えている課題について学びます。これを解決する新しい問題解決のアプローチとしてMachine Learning Approachがあり、これまでのMachine Learning x Physicsの研究の歴史を振り返ります。その後、本トピックで中心となるPhysics Informed Neural Networksについて詳細や実装方法を学びます。実装はPyTorchで行いますので受講される方はPyTorchによるモデリングを予め学んでおく必要があります。
Who Should Attend!
- 機械学習や数値シミュレーションに 興味のある学生さんや社会人の方
- Deep Learningの最先端の技術を知りたい AIエンジニア
- 数値シミュレーションに携わっている 企業のR&D部門の方、大学の研究者の方