|
文摘
|
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. |
|
来源
|
力学学报
,2021,53(10):2613-2615 【核心库】
|
|
DOI
|
10.6052/0459-1879-21-501
|
|
关键词
|
高性能计算机
;
大数据科学
;
机器学习方法
|
|
地址
|
1.
南方科技大学工学院力学与航空航天工程系, 广东, 深圳, 518055
2.
中国科学院力学研究所, 非线性力学国家重点实验室, 北京, 100190
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
0459-1879 |
|
学科
|
力学;自动化技术、计算机技术 |
|
文献收藏号
|
CSCD:7098611
|
了解气象卫星更多信息，请访问