Аннотация:
Традиционно модели нейросетей типа UNET применялись для автоматического перевода картинки в картинку, в частности для сегментации изображений и других задач компьютерного зрения. На семинаре будет показано, как устроена данная архитектура и как она может быть успешно применена к другим задачам, например, к задаче предсказания детерминированных многомерных временных рядов в физике, а именно моделирования химических процессов горения, описываемых жёсткой системой обыкновенных дифференциальных уравнений. Используя данную модель, удалось обучить компактную модель, которая может аппроксимировать изменения концентраций веществ в смеси в процессе химических реакций с высокой степенью точности, достаточной чтобы рекуррентно получать предсказание на сотни и даже тысячи шагов интегрирования вперёд, занимая при этом на порядок меньше времени вычисления, чем численное интегрирование.
