Mentre il mondo si affaccia alle potenzialità delle reti neurali (NN) e dell’intelligenza artificiale, si aprono nuovi campi di ricerca che sfruttano le competenze della matematica applicata e delle scienze computazionali, dell’informatica e delle scienze fisiche per studiare fenomeni e ambiti in cui si hanno pochi dati e non si conoscono ancora le leggi specifiche che le governano. In quest’ambito di scoperte scientifiche data-driven, si inseriscono scienze come il cosiddetto Scientific Machine Learning (SML) e metodologie pionieristiche molto più ampie dell’SML, come le reti neurali informate dalla fisica (PINN).
RETI NEURALI
L’importanza di PINN e SciML per il futuro della ricerca data-driven
Lo scientific machine learning (SciML) mira a estrarre conoscenze robuste, affidabili e utili da insiemi di dati specifici in un determinato ambito, attraverso soluzioni innovative come le reti neurali informate dalla fisica (PINN). Ecco perché sono importanti per realizzare il potenziale delle scoperte data-driven
Accedi ma prima compila il form
Se non compili il form non puoi accedere ai contenuti esclusivi
Canali
1 di 1
1 di 1