«Создание экспертной GPT в нейронных сетях, информированных физикой, с использованием GPT»

Создание экспертной GPT в нейронных сетях с использованием физических данных и GPT

Пользовательский копилот для оптимизации исследований и разработки PINN

Одним из самых интересных релизов недавнего DevDay от OpenAI являются GPT. Фактически, GPT – это настраиваемые версии ChatGPT, которые каждый может создать для конкретных целей. Процесс настройки работоспособного GPT не требует кодирования, а происходит только при помощи беседы. В результате, с момента выпуска, сообщество создало разнообразие GPT, которые помогают пользователям быть более продуктивными и создавать больше удовольствия в жизни.

Как практикующий в области физически осознанных нейронных сетей (PINN), я часто использую ChatGPT (GPT-4), чтобы помочь мне понять сложные технические концепции, устранять проблемы, возникающие при реализации модели, а также предлагать новые идеи и инженерные решения. Несмотря на то, что он довольно полезен, я часто обнаруживаю, что ChatGPT сталкивается с трудностями в предоставлении мне индивидуальных ответов, выходящих за рамки его общих знаний о PINN. Хотя я могу настраивать мои запросы для получения большего контекстуального информации, это занимает много времени и иногда быстро истощает моё терпение.

Теперь, с возможностью легкой настройки ChatGPT возникла мысль: почему бы не разработать настраиваемый GPT, который действует как эксперт-практик по PINN 🦸‍♀️, черпая знания из моих отобранных источников и стремясь отвечать на мои вопросы о PINN индивидуальным образом?

Итак, в этом блоге давайте посмотрим, как сделать это реальностью! Мы начнем с описания процесса создания нашей целевой GPT, предоставим подробности о дизайне инструкций и предоставленной базе знаний. Затем мы рассмотрим несколько демонстраций, чтобы увидеть, как лучше взаимодействовать с только что созданным GPT. Наконец, мы коснемся возможностей для будущего развития.

• Практическое руководство по обучению с подкреплением
• Искусственный интеллект в аналитике
• Освоение искусства стратегии науки о данных Разговор с AI-видионером Вином Вашиштой

Эта идея вам близка? Давайте начнем🗺️📍🚶‍♀️

Это еще один блог из моей серии о физически осознанном машинном обучении. Другие включают:

Раскрывая дизайн-паттерн физически осознанных нейронных сетей

Открытие дифференциальных уравнений с PINN и символьной регрессией

Обучение операторов с помощью физически осознанного DeepONet

Решение обратных задач с помощью физически осознанного DeepONet