Re-Web

So verschmelzen wir physikalisches Wissen mit der Flexibilität neuronaler Netze

Autor(en)
Matthias Karlbauer, Timothy Praditia, Sebastian Otte, Sergey Oladyshkin, Wolfgang Nowak, Martin V. Butz
Tags
Algorithmen Tag entfernen Umwelt Tag hinzufügen Modellvorhersagen Tag hinzufügen
Artikeldetails
Intro verfasst von
Matthias Karlbauer
Intro

Die Kontamination von Grundwasser kann ganze Landstriche vergiften und unbewohnbar machen. Um die Ausbreitung von Substanzen im Boden vorherzusagen – und zwar auch dann, wenn bestimmte Bodeneigenschaften unbekannt sind – konzipierten Forscher aus Tübingen und Stuttgart ein maschinelles Lernmodell, dessen Vorhersagen den Gesetzen der Physik gehorchen.

Bei te.ma veröffentlicht
Mai 12, 2023

Veröffentlichungsdatum
Jul 15, 2022
Link
https://www.machinelearningforscience.de/so-verschmelzen-wir-physikalisches-wissen-mit-der-flexibilitaet-neuronaler-netze/
Archiviert
  • Dieser archivierte Snapshot ist frei verfügbar. https://web.archive.org/web/20221207231805/https://www.machinelearningforscience.de/so-verschmelzen-wir-physikalisches-wissen-mit-der-flexibilitaet-neuronaler-netze/