Физически информированные нейросети: как алгоритмы понимают законы мира

Нейросети, которые дружат с физикой: где они правят бал?

Обычные нейросети мы уже воспринимаем как данность: они генерируют нам мемы, пишут тексты и улучшают фото. Но за кулисами научных лабораторий набирают силу их более серьезные собратья — Physics Informed Neural Networks, или PINN. Это уже не просто черный ящик, угадывающий котиков на картинках. Это инструмент, в который с самого начала зашиты законы природы.

«Суть в том, что в саму архитектуру сети мы встраиваем физическую модель мира, — поясняет Вадим Кондаратцев. — Поэтому ее предсказания не просто статистически вероятны, а физически осмысленны и интерпретируемы». Проще говоря, такая сеть не может выдать абсурд, нарушающий законы термодинамики или механики. Здорово, правда?

Классическому ИИ для обучения нужны гигантские датасеты. Чтобы научить его распознавать, скажем, падающее дерево, ему нужно показать миллионы примеров. А где взять миллионы записей уникального эксперимента или наблюдений за редким явлением? Это дорого, а иногда и вовсе невозможно.

А вот PINN можно обучить, используя гораздо меньше данных. Секрет в том, что в них изначально заложены уравнения — те самые, что описывают течение жидкости, распространение тепла или деформацию материалов. Эти формулы служат сетью безопасности и путеводителем. В итоге даже разработчик, не являющийся глубоким экспертом в конкретной области, может получать научно корректные результаты. И скорость расчетов при этом сопоставима с работой суперкомпьютера! По сути, это как дать студенту не просто учебник, а еще и личного репетитора в виде фундаментальных законов мироздания.

Поэтому PINN — это мощный инструмент экономии: времени, денег и вычислительных ресурсов. Но главная фишка, за которую их ценят ученые, — возможность жестко вшить в модель проверенные уравнения. Это гарантирует, что выводы сети будут не просто правдоподобными, а строго соответствующими реальным физическим процессам. Разве не в этом конечная цель любой инженерной симуляции?

Неудивительно, что на такие технологии обратили внимание гиганты вроде Siemens, «Газпрома» или «Сбера». Сферы применения поражают размахом: от моделирования фильтрации нефти в пластах земли до оптимизации воздушных потоков в системах вентиляции. Если говорить научно, они блестяще работают там, где царят «сплошные среды» — жидкости, газы, поля. Область, где традиционные методы часто буксуют.

Кто в мире задает тон?

Гонка в области PINN сегодня идет в основном между тремя центрами: США, Китаем и Россией. В нашей стране флагманами считаются Сколтех и, конечно же, МАИ — куда же без него в аэрокосмической теме.

«Российский подход отличается сугубо прагматичным взглядом, — объясняет эксперт. — Мы отсекаем варианты, которые красивы научно, но бесполезны на практике. Помнится, на одной конференции зарубежные коллеги представили сеть, моделирующую отрывную волну у конкретного сопла двигателя. Выглядело впечатляюще, но применить это в реальности нельзя — решение работало лишь для одного единственного случая. Нам же нужны универсальные инструменты, которые решают комплекс задач и дают готовый к использованию результат. Мы работаем на конечный продукт».

На что способны российские PINN? Два живых примера

«Мне очень понравилась разработка Сколтеха по анализу воздуха в системах кондиционирования, — делится Кондаратцев. — PINN помогают построить модель, которая по одному-единственному лазерному «срезу» воздуха, фиксирующему пыль и примеси, может восстановить полную картину состояния во всей системе. Получается умный датчик: не нужно ставить кучу сложных фильтров и сенсоров, достаточно одного луча и умного алгоритма, который достроит реальность». Элегантно, как все гениальное.

А в МАИ PINN взяли на вооружение для задач теоретической механики. Например, для предсказания разрушения вращающихся деталей — дисков, маховиков — при запредельных нагрузках. Раньше такие расчеты были уделом суперкомпьютеров, требовали огромного времени и ресурсов. Теперь же нейросеть, вооруженная физическими законами, справляется с этим куда быстрее. Для аэрокосмической отрасли, где каждая деталь работает на пределе, такие инструменты — просто бесценны.

Материал подготовлен при поддержке Минобрнауки России.