MATLAB齿线代码-homogenization_via_ML:均质PDE的高效数据驱动学习

MATLAB齿线代码homogenization_via_ML 均质 PDE 的高效数据驱动学习 “Linking Machine Learning with Multiscale Numerics: Data-Driven Discovery of Homogenized equations”的源代码和数据，作者： H. Arbabi、JE Bunder、G. Samaey、AJ Roberts 和 IG Kevrekidis，2020 年 总结：我们使用无方程数值（补丁动力学和间隙齿方案）来生成用于学习均质偏微分方程的数据。 这些方法的优点是它们仅在一小部分空间或时空内模拟详细的 PDE，并使数据收集更加高效。 然后我们使用神经网络以两种方式学习同质化 PDE：在函数架构中，我们预先计算空间导数并要求神经网络学习 PDE 的规律，而在离散化架构中，网络直接学习空间离散化的 PDE。 主要文件： 1d_example加载 1d 异构扩散问题的补丁动态数据，从中学习有效的粗尺度 PDE，并将其与均质化 PDE 解决方案进行比较。 数据包含在“thehood”文件夹中，但可以通过在“th