パラメトリックPINNsにおけるエンコーディング手法による性能比較

抄録

Physics informed neural networks （PINNs）は従来の教師データのみでの学習と比較し，教師データの削減やモデルの予測性能の向上が期待されている手法である．本研究では，工学問題への適用を見据え，任意の不確実パラメータ，設計パラメータに対して応答を出力可能なパラメトリックPINNsを対象とした検討を実施した．パラメータの入力層の位置については，出力層に近づくに従い，予測性能の悪化が確認された．また，対象とした二次元円孔板問題においては，入力パラメータ数に関わらず，導入した3種類のエンコーディング手法のうちrandom Fourier featuresが最も良い性能を示した．本検討の結果，パラメータに関するエンコーディング手法は，パラメータの変化に対する応答の複雑程度に応じた設定により，効果的な学習が可能であることが示された．