物理人的编程之始

首先声明我不怎么会写文章。这篇博客是我开始学编程的见证,包括我为什要学习编程,时间安排,学习目标。


一些感慨

作为一个物理人,也曾觉得物理是最NB的学科,但对于大多数双非院校的物理学子来说-毕业即失业是最真实的(其实没那么夸张)。大部分人从事的工作不能说毫不相干只能说是五花八门,当然也包括我。但不可否认的是我确实被量子力学“迷惑”了,那种理性与感性的碰撞、不确定性的概率与最严谨的旧物理学之间的摩擦太具魅力。在那个物理学蓬勃发展的黄金时代,很多人物极具人格魅力。不想承认发现了量子的普朗克;坚守旧物理大厦的牛顿,薛定谔;哥本哈根学派的慈父良师-玻尔以及他的一群年轻有为的学生朋友-玻恩、海森堡、泡利、狄拉克。

扯远了,没忍住,哈哈,,,

可能就是在我痴迷量子的时候,诞生了一个做一款游戏的想法吧,但也仅仅只是想法。现在我正式开始学习编程了,也想通过学习能从事相关工作吧,同时看看有没有机会实现我的白日大梦。。。


学习时间:

  • 周一至周五晚上 8 点—晚上10点
  • 周六周日每天6小时起

 (根据学习进度可能会修改计划)


学习目标:

  • 用一年甚至更久的时间系统学习C,数据结构,C++,Linux,MySQL数据库
  • 找一份游戏开发相关工作
  • 终极目标!!!做一款像素风的量子力学史剧情类游戏(叙事+经典实验+科学幻想)
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
物理内嵌神经网络(Physics-Informed Neural Networks,PINNs)是一种将物理知识融入神经网络的编程方法。PINNs可以用于解决与偏微分方程(PDE)相关的问题,包括方程求解、参数反演、模型发现、控制与优化等。PINNs的基本思想是通过在神经网络中嵌入物理方程作为约束条件,使得网络能够学习到物理规律并用于求解问题。这种方法的优势在于可以利用神经网络强大的非线性拟合能力和灵活性来解决复杂的物理问题,同时还能够结合数值方法的精确性和稳定性。 具体而言,物理内嵌神经网络的编程过程包括以下几个步骤: 1. 确定物理方程:首先需要确定待解决问题的物理方程,例如偏微分方程或其他物理规律。 2. 构建神经网络:接下来,需要设计神经网络的结构,包括输入层、隐藏层和输出层的节点数。可以根据问题的复杂程度和要求选择适当的网络结构。 3. 嵌入物理方程:将物理方程嵌入神经网络中,作为网络的约束条件。这可以通过在损失函数中添加物理方程的残差项来实现,以引导网络学习到符合物理规律的解。 4. 训练网络:使用已知的数据进行网络的训练,通过最小化损失函数来优化网络的参数。可以使用梯度下降等优化算法来实现参数的更新。 5. 验证和测试:训练完成后,需要对网络进行验证和测试,以评估其在未知数据上的性能和准确性。可以使用交叉验证等方法来进行模型评估。 物理内嵌神经网络编程的应用非常广泛,包括计算机视觉、生物医学、油气工程等领域。它不仅能够发现物理规律,还能够求解偏微分方程,为各个领域的科学研究和工程应用提供了一种强大的工具和方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值