NVIDIA Modulus：高级主题

NVIDIA Modulus: Advanced Topics

 学习内容：
I-PINNS用于2D散热器流动问题。
DeepONet 用于集成问题。
傅里叶神经算子 FNO 用于 Darcy 问题。
3D 线弹性问题的 PINN。
用于 3D 流体/固体多域计算的 PINN。
用于热交换器流动问题的 3D 几何优化的 PINN。

 要求：
 高中数学
 基本的 Python 知识

 描述：
描述本课程与与使用 NVIDIA Modulus 的 PINN 相关的高级主题相关。我们将涵盖以下主题：逆 PINNs、使用 DeepONet 的深度神经算子网络、使用傅里叶神经算子 （FNO） 的深度神经算子网络、用于 3D 线性弹性问题的 PINN、用于多域计算的 PINN 以及使用 PINN 的几何优化。 您将学习哪些技能：在本课程中，您将学习以下技能：理解使用 PINN 求解偏微分方程 （PDE） 背后的数学， I-PINNs， 用于DeepONet的深度神经算子网络，以及FNO，多域计算，最后使用PINNs进行几何优化，编写和构建机器学习算法以使用Nvidia Modulus求解PINNs.Postprocess结果。预处理数据并将其上传到 Nvidia Modulus.Use 开源库。我们将介绍：2D散热器流动问题的逆物理信息神经网络（I-PINNs）解决方案。深度神经算子网络（DeepONet）积分问题的解决方案 。深度神经算子网络 达西问题的傅里叶神经算子 （FNO） 解决方案 。物理 信息 神经 网络 （ PINNs） 的 3D 线性弹性 问题 的 解   解。Physics-Informed Neural Networks （PINNs） Solution for   3D Fluid/ Solid Multi Domain Calculation.Physics-Informed Neural Networks （PINNs） Solution for 3D Geometric Optimization for Heat Exchanger Flow Problem。如果您之前没有机器学习或计算工程方面的经验，那没有问题。但是，建议了解使用 Nvidia Modulus 的使用和运行代码的基础知识。让我们一起享受学习 Nvidia Modulus 的乐趣。

本课程适合谁：
想要学习 PINN 的工程师和程序员
学习 高级主题 NVIDIA Modulus