Гамильтоновы методы Монте-Карло широко применяются при решении инженерных и статистических задач, в которых требуется сэмплирование из заданного апостериорного распределения. Одной из ключевых проблем данных методов является длительный этап прогрева (burn-in), необходимый для формирования выборки, удовлетворяющей целевому распределению. Построение траекторий в алгоритмах HMC осуществляется путём многократного численного решения систем обыкновенных дифференциальных уравнений на конечномерной...Подробнее

Разработка Physics Informed Neural Networks(PINN) для решения уравнений Гамильтона и оценка влияния данного подхода на производительность гамильтоновых методов Монте-Карло(HMC) при решении прикладных задач, в частности, Байесовской Оптимизации.

Еженедельные встречи с руководителем проекта, в ходе которых рассматриваются результаты выполненной работы, возникающие затруднения и при необходимости корректировка плана.

Репозиторий с программным кодом проекта. Отчёт в формате ТЕХ

Персональный компьютер

Имеется ряд работ, в большинстве своем зарубежных авторов, по разработке Physics Informed Neural Networks(PINN),связанными с различными физическими задачами, и реализации алгоритма HMC с численным интегратором(leapfrog)