科研之友
微信
新浪微博
Facebook
分享链接
摘要
<正>近几年来,随着高性能计算机和大数据科学的快速发展,机器学习方法在各个领域得到了越来越多的应用.力学学科在过去几十年积累了大量的数值模拟数据、实验测量数据和现场监测数据,这些大规模、高维度的数据蕴含了丰富的物理特征,但传统方法无法有效地处理这些庞大的数据群.机器学习方法可以从巨量的数据海洋中挖掘有用的信息,并能为总结新的物理规律提供有效的指导.另一方面,机器学习方法存在着可解释性差、泛化能力弱、容易过拟合等问题.针对基于第一性原理的力学问题开展机器学习研究,并和已知的物理规律相对照,有助于更深入地理解机器学习方法.因此,与机器学习的交叉融合,将有力地促进力学学科研究范式的创新,并不断拓展该学科的研究深度和应用范围.
-
单位中国科学院力学研究所; 非线性力学国家重点实验室; 南方科技大学
