التعلم العميق بالرسوم البيانية المشفَّرة فيزيائيًا لأنظمة الانتشار الفيزيائي

التعلم العميق بالرسوم البيانية المشفَّرة فيزيائيًا لأنظمة الانتشار الفيزيائي

تُعدّ ظواهر الانتشار أساسية في الفيزياء والهندسة وعلم الأحياء، غير أن محاكاتها بالطرق العددية التقليدية تتطلب جهدًا حسابيًا كبيرًا في الأنظمة المعقدة. وعلى الرغم مما يَعِد به التعلم العميق، فإن المناهج السائدة مثل الشبكة العصبية المستنيرة بالفيزياء (PINN) تعاني من قدرة تعميم محدودة ومن تراكم الأخطاء، لا سيما مع البيانات المتناثرة أو الأشكال الهندسية غير المنتظمة. ونقترح هنا شبكة عصبية بيانية مشفَّرة فيزيائيًا (PeMN) تدمج آلية تمرير الرسائل في الرسم البياني مع مبادئ الهندسة التفاضلية المتقطعة. ومن خلال ترميز المعاملات التفاضلية مثل اللابلاسيان ومعاملات التدرج صراحةً في بنية الشبكة لتحقيق التقطيع المكاني، تقلّل PeMN اللاخطية في تقريب الدوال مع ضمان التقيد الصارم بقوانين الفيزياء.

معادلات الانتشار نماذج رياضية أساسية تصف التطور المكاني والزماني للكميات الفيزيائية مثل الحرارة والكتلة والزخم. وتُستخدم هذه المعادلات التفاضلية الجزئية (PDE) على نطاق واسع في تخصصات متنوعة تشمل الفيزياء والهندسة وعلم الأحياء، وتُستخدَم لتوصيف العمليات الديناميكية الزمكانية المعقدة مثل التفاعلات الكيميائية وديناميكا الموائع وتغير المناخ. ومن ثم فإن المحاكاة الدقيقة لعمليات الانتشار بالغة الأهمية في تحسين التصاميم وإجراء تقييم المخاطر وتيسير اتخاذ القرارات.

غير أن محاكاة أنظمة الانتشار باستخدام طرق الحساب العددي التقليدية، مثل طريقة العناصر المحدودة (FEM) وطريقة الحجوم المحدودة، تواجه سلسلة من التحديات. وتتمثل المشكلة الرئيسية في الكلفة الحسابية العالية المرتبطة بمعالجة المسائل واسعة النطاق عالية الأبعاد، لا سيما في السيناريوهات التي تتطلب عددًا كبيرًا من المحاكات المتكررة، مثل تحسين التصميم والمسائل العكسية وقياس عدم اليقين. علاوةً على ذلك، في مسائل الانتشار ذات الشروط الحدية المعقدة والخصائص اللاخطية، يبرز استقرار الطرق العددية وتقاربها بوصفهما إشكاليتين خاصتين، مما يستلزم تصميمًا دقيقًا للخوارزمية وضبطًا للمعاملات. ومع تطور القدرة الحاسوبية، تتيح طرق التعلم العميق إمكانية جديدة لمواجهة هذه التحديات، إذ إن نماذج التعلم العميق قادرة على تعلم أنماط زمكانية معقدة من البيانات وعلى إتاحة تنبؤات سريعة بكلفة حسابية أقل بكثير.