Kategorien durchsuchen
Entdecken
Fiverr Pro
Deutsch
$
USD
Ich werde physik-informierte neuronale Netze PINNs für PDEs und Simulationen implementieren
Hervorragender Entwickler für lokale KI und Automatisierung
Ich helfe Unternehmen dabei, sich 20+ Stunden pro Woche zurückzuholen, durch sichere, lokale AI-Automatisierung. Meine maßgeschneiderten Desktop-Apps laufen zu 100 % auf deinem Rechner – so bleiben se...
Über diesen Service
Hast du Schwierigkeiten, physikalische Gesetze und Deep Learning zu verbinden? Standardneuronale Netze ignorieren oft die zugrunde liegende Physik. Ich biete fachkundige Implementierung von Physics-Informed Neural Networks (PINNs) zur Lösung komplexer wissenschaftlicher und technischer Probleme an.
Als vielseitiger technischer Programmierer schreibe ich nicht nur Code, sondern stelle sicher, dass deine Modelle wissenschaftlich gültig und physik-konform sind.
Was ich lösen kann:
- PDEs & ODEs: Navier-Stokes, Burgers, Wärmeleitung, Wellen- und Schrödinger-Gleichungen usw.
- Inverse Probleme: Unbekannte physikalische Parameter aus verrauschten Sensordaten identifizieren.
- Digitale Zwillinge: Hochpräzise, physikbasierte Industrie-Modelle.
- Operator Learning: DeepONets und Fourier Neural Operators (FNO).
Technologie-Stack:
- Frameworks: DeepXDE, NVIDIA Modulus, NeuroDiffEq.
- Bibliotheken: PyTorch, JAX, TensorFlow, FEniCS.
Warum dieses Gig wählen?
Ich kombiniere tiefgehendes mathematisches Verständnis mit modernster KI. Ob du Forscher bist, der bei einer Simulation festhängt, oder ein Unternehmen, das einen robusten digitalen Zwilling braucht – ich liefere verifizierte, skalierbare Lösungen.
Hinweis: BITTE SCHREIBE MIR vor der Bestellung, um dein spezielles physikalisches Problem, PDEs und Randbedingungen zu besprechen.
FAQ
Automatische Übersetzung
Kannst du benutzerdefinierte, nicht-standardisierte PDEs bearbeiten?
Ja. Ich kann benutzerdefinierte Residual-Verlustfunktionen für jedes gut definierte mathematische System implementieren, inklusive Multi-Physics und gekoppelter Gleichungen.
Stellst du die Trainingsdaten bereit oder ich?
PINNs sind oft "datenfrei" (mit Kollokationspunkten), aber wenn du experimentelle Daten für inverse Probleme hast, kann ich sie in den Trainingsprozess integrieren.
Welches Framework ist am besten für mein Projekt?
Das hängt von der Komplexität ab. Für Forschung empfehle ich meist DeepXDE, für groß angelegte industrielle Simulationen NVIDIA Modulus. Das können wir beim ersten Gespräch besprechen.
Welche Infrastruktur nutzt du für das Training physikalischer Modelle?
Ich nutze Hochleistungs-Cloud-GPU-Cluster (NVIDIA A100/H100) für das Training, um höchste Präzision und schnellste Lieferzeiten für deine physikalischen Modelle zu gewährleisten.
