rnn神经网络模型_光学/声学神经网络：从物理原理到神经网络的完美映射【附代码】...

将物理框架引入机器学习是现今最火热的研究趋势之一，全光衍射神经网络就是其一，本人在个人专栏曾通过两篇文章对相关知识进行介绍，并对基础代码进行解析。

CHEN：（四）光学现象的Python实现：老树开新花之光的反射与折射​zhuanlan.zhihu.com

CHEN：（二）光学现象的Python实现：衍射简介及仿真实现​zhuanlan.zhihu.com

在光学神经网络被完美实现的同时，科学家逐渐将目光聚焦在声学神经网络。

近期，斯坦福大学发表在《Science Advances》的研究成果，揭示了物理学中光/声波动与 RNN（循环神经网络） 中的计算存在着严格的一一对应关系。

在此，本人将从公式原理角度对这种一一对应关系进行分析，文章的源代码请移步：

www.github.com/fancompute/wavetorch/​www.github.com

原理实现

为了描述光学/声学等物理量的传播过程，我们提出标量波场分布的动力学方程为

，其受二阶偏微分方程支配，可以表示为：

其中，我们用

表示拉普拉斯算子；

表示波速度的空间分布；

代表源项。

如果以RNN为例，考虑时间

的作用，那么标量波场分布的动力学方程

可以表示为：

为了进一步将波动方程更清晰的映射成RNN神经网络的迭代和优化形式，我们将上式改写成矩阵形式：

进一步简化书写形式，引入

算符后上式矩阵可以简写成：

其中，

表示矩阵[

]，

算符表示：

表示

，

表示矩阵[

]。

这将与RNN的传递函数一一对应 [1]：

总结

该研究证明了波动方程在概念上、原理上完全等价于 RNN。

一方面，该研究梳理出了物理学和神经网络结合的理论内核，另一方面，又为一类新的计算平台提供了思路。

光学/声学神经网络已经到来，热学/力学神经网络还会有多远？

---

【1】注：个人笔记系列，内容没有展开叙述，供本人时阅时新。RNN的传递函数，详见Wave physics as an analog recurrent neural network