Xun Wang

Les réseaux neuronaux informés par la physique (PINNs (Physics-informed neural networks) en anglais), également appelés réseaux neuronaux guidés par la théorie (TTN) sont des d'algorithmes d'apprentissage automatique qui intègrent la connaissance de lois physiques dans le processus d'entraînement. Souvent, ces lois physiques prennent la forme d'équations aux dérivées partielles (EDPs). L'utilisation de telles contraintes physiques a pour objectif de guider l'apprentissage du modèle pour en améliorer les performances. Cela est particulièrement utile quand la faible disponibilité des données limite la robustesse des modèles d’apprentissage automatique conventionnels, ce qui est parfois le cas pour certains problèmes biologiques et d’ingénierie. La connaissance préalable de lois physiques agit alors comme une régularisation qui limite l'espace des solutions admissibles, avec pour but d'améliorer les performances du modèle et de le rendre plus interprétable.