Когда физика встречает машинное обучение: обзор physics-informed machine learning

Physics-informed machine learning (PIML), сочетание априорных физических знаний с данными и моделями машинного обучения, зарекомендовал себя как эффективный способ смягчения нехватки обучающих данных, повышения обобщающей способности моделей и обеспечения физической правдоподобности результатов. В этой статье мы обзорно рассматриваем широкий спектр недавних работ по PIML и суммируем их по трём ключевым аспектам: 1) мотивы применения PIML, 2) физические знания в PIML и 3) методы интеграции физических знаний в PIML. Мы также обсуждаем текущие проблемы и соответствующие исследовательские возможности в области PIML.