Introdução a rede neural para Físicos
Fuente:
arXiv
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Preprint |
| Publicado: |
2025
|
| Materias: | |
| Acceso en línea: | |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| _version_ | 1866917085101162496 |
|---|---|
| author | de Lima, Gubio Gomes Miranda, Gustavo Farias, Tiago de Souza |
| author_facet | de Lima, Gubio Gomes Miranda, Gustavo Farias, Tiago de Souza |
| contents | As técnicas de aprendizado de máquina emergiram no contexto científico e se desenvolveram como ferramentas poderosas para enfrentar uma ampla gama de desafios na sociedade. A integração dessas técnicas com a física tem conduzido a abordagens inovadoras na compreensão, controle e simulação de fenômenos físicos. Este artigo visa proporcionar uma introdução prática às redes neurais e seus conceitos fundamentais, destacando perspectivas recentes dos avanços na interseção entre modelos de aprendizado de máquina e sistemas físicos. Além disso, apresentamos um material prático para orientar o leitor em seus primeiros passos na aplicação de redes neurais para resolver problemas físicos. Como exemplo ilustrativo, fornecemos quatro aplicações de complexidades crescentes para o problema de um pêndulo simples, a saber: fit de parâmetros da Equação Diferencial Ordinária (EDO) do pêndulo para aproximação de ângulo pequeno; Physics Informed Neural Networks (PINNs) para encontrar soluções da EDO do pêndulo em ângulo pequeno; Autoencoders em conjunto de dados de imagens do pêndulo para estimação de dimensionalidade do espaço de parâmetros do problema físico; uso de arquiteturas Sparse Identification of Non-Linear Dynamics (SINDy) para descoberta de modelos e expressões analíticas para o problema do pêndulo não linear (ângulos grandes). |
| format | Preprint |
| id |
arxiv_https___arxiv_org_abs_2503_06272 |
| institution | arXiv |
| publishDate | 2025 |
| record_format | arxiv |
| spellingShingle | Introdução a rede neural para Físicos de Lima, Gubio Gomes Miranda, Gustavo Farias, Tiago de Souza Classical Physics Computational Physics As técnicas de aprendizado de máquina emergiram no contexto científico e se desenvolveram como ferramentas poderosas para enfrentar uma ampla gama de desafios na sociedade. A integração dessas técnicas com a física tem conduzido a abordagens inovadoras na compreensão, controle e simulação de fenômenos físicos. Este artigo visa proporcionar uma introdução prática às redes neurais e seus conceitos fundamentais, destacando perspectivas recentes dos avanços na interseção entre modelos de aprendizado de máquina e sistemas físicos. Além disso, apresentamos um material prático para orientar o leitor em seus primeiros passos na aplicação de redes neurais para resolver problemas físicos. Como exemplo ilustrativo, fornecemos quatro aplicações de complexidades crescentes para o problema de um pêndulo simples, a saber: fit de parâmetros da Equação Diferencial Ordinária (EDO) do pêndulo para aproximação de ângulo pequeno; Physics Informed Neural Networks (PINNs) para encontrar soluções da EDO do pêndulo em ângulo pequeno; Autoencoders em conjunto de dados de imagens do pêndulo para estimação de dimensionalidade do espaço de parâmetros do problema físico; uso de arquiteturas Sparse Identification of Non-Linear Dynamics (SINDy) para descoberta de modelos e expressões analíticas para o problema do pêndulo não linear (ângulos grandes). |
| title | Introdução a rede neural para Físicos |
| topic | Classical Physics Computational Physics |
| url | https://arxiv.org/abs/2503.06272 |