Door categorieën bladeren
Ontdekken
Fiverr Pro
Nederlands
$
USD
Ik implementeer fysica geïnformeerde neural networks PINN voor PDE's en simulaties
Expert ontwikkelaar voor lokale AI en automatisering
Ik help bedrijven om meer dan 20 uur per week terug te winnen met veilige, lokale AI-automatisering. Mijn aangepaste desktop-apps draaien 100% op jouw machine—waardoor gevoelige data nooit je kantoor ...
Over deze dienst
Heb je moeite om fysieke wetten en deep learning te verbinden? Standaard neural networks negeren vaak de onderliggende fysica. Ik bied deskundige implementatie van Physics-Informed Neural Networks (PINNs) om complexe wetenschappelijke en technische problemen op te lossen.
Als veelzijdige technische programmeur codeer ik niet alleen, ik zorg er ook voor dat je modellen wetenschappelijk geldig en fysica-conform zijn.
Wat ik Kan Oplossen:
- PDE's & ODE's: Navier-Stokes, Burgers, Heat, Wave, en Schrodinger vergelijkingen, enz.
- Inverse problemen: Het identificeren van onbekende fysieke parameters uit ruisende sensorsignalen.
- Digital Twins: High-fidelity, fysica-gebaseerde industriële modellen.
- Operator Learning: DeepONets en Fourier Neural Operators (FNO).
Technische Stack:
- Frameworks: DeepXDE, NVIDIA Modulus, NeuroDiffEq.
- Libraries: PyTorch, JAX, TensorFlow, FEniCS.
Waarom voor deze dienst kiezen?
Ik combineer diepgaande wiskundige kennis met state-of-the-art AI. Of je nu een onderzoeker bent die vastzit op een simulatie of een bedrijf dat een robuuste digital twin nodig heeft, ik lever geverifieerde, schaalbare oplossingen.
OPMERKING: STUUR ME ALSJEBLIEFT EEN bericht voor je bestelt om je specifieke fysische probleem, PDE's en randvoorwaarden te bespreken.
Veelgestelde vragen
Automatische vertaling
Kun je aangepaste, niet-standaard PDE's aan?
Ja. Ik kan aangepaste residual loss functies implementeren voor elk goed gedefinieerd wiskundig systeem, inclusief multi-physics en gekoppelde vergelijkingen.
Lever je de trainingsdata of doe ik dat?
PINN's zijn vaak "data-free" (met collocatiepunten), maar als je experimentele data hebt voor inverse problemen, kan ik die integreren in de trainingsloop.
Welke framework is het beste voor mijn project?
Het hangt af van de complexiteit. Ik raad meestal DeepXDE aan voor onderzoek en NVIDIA Modulus voor grootschalige industriële simulaties. We kunnen dit tijdens ons eerste gesprek bespreken.
Welke infrastructuur gebruik je voor het trainen van fysieke modellen?
Ik gebruik high-performance cloud GPU-clusters (NVIDIA A100/H100) voor training om de hoogste precisie en snelste leveringstijden voor je fysieke modellen te garanderen.
