Ich möchte Ihnen eine sehr interessante Forschungsarbeit vorstellen, die ich erst vor wenigen Wochen entdeckt habe und zwar: „Physics-guided Neural Networks (PGNN): An Application in Lake Temperature Modeling„.
Tatsächlich habe ich sie nicht selbst entdeckt, sondern wurde mir per E-Mail zugeschickt, um sie zu lesen, eine Präsentation darüber zu halten und sie bei meinem Vorstellungsgespräch vorzustellen. Ja, genau, ein Vorstellungsgespräch, denn, nachdem ich am 30 Oktober 2020 mein Doktoratsstudium in Computer und Informationstechnologie mit der Note Ausgezeichnet abgeschlossen hatte, auch bekannt als Summa cum Laude, am 20. November 2020 habe ich mich für eine PostDoc-Stelle in Deutschland beworben, und am 7. Dezember 2020 hatte ich bereits mein fast zweistündiges Online-Interview, die Zeit, in der ich neben andere Interessante Themen, auch dieses Forschungspapier vorgestellt und auch darüber gesprochen habe. Alles lief sehr gut, und so wurde mir bereits am 10. Dezember per E-Mail mitgeteilt, dass sie mich als PostDoc einstellen wollen. Momentan warte ich darauf, dass mein Vertrag per Post eintrifft, weshalb ich den Namen und Ort des Mitarbeiters noch nicht preisgeben möchte. Ich werde Sie informieren, sobald ich den Vertrag unterzeichnet habe. 😉
Was diese Forschungsarbeit betrifft, so halte ich sie für sehr interessant, weil sie das physikalische Wissen der Welt (z.B. physikalische Gleichungen) mit datenwissenschaftlichen Modellen (z.B. tiefen neuronalen Netzen) kombiniert und so eine Verallgemeinerbarkeit und physikalische Übereinstimmung mit den tatsächlichen Beobachtungen erreicht.
Für weitere Informationen über dieses PGNN-Forschungspapier können Sie auch hier mehr lesen oder sich die Videos unten ansehen.
Das GitHub-Repository, das den Code für das PGNN-Forschungspapier bereitstellt, finden Sie hier.
Neueste Kommentare