Jan, 2024
一种带有本地神经网络和有限元输入数据的PNP离子通道深度学习求解器
A PNP ion channel deep learning solver with local neural network and
finite element input data
TL;DR本研究提出了一种深度学习方法，用于解决改进的一维Poisson-Nernst-Planck离子通道（PNPic）模型，称为PNPic深度学习求解器。通过将新颖的局部神经网络方案与有效的PNPic有限元求解器相结合，该求解器仅涉及粗网格解的小局部补丁作为神经网络方案的输入数据，因此相较于相应的传统全局神经网络求解器，PNPic深度学习求解器的训练速度更快。经过适当训练后，它可以以比低成本粗网格解更高的准确度输出预测的PNPic解，并能反映参数、离子通道子区域以及界面和边界值的不同扰动情况。因此，PNPic深度学习求解器可以为一组PNPic模型生成高精度的数值解。作为初步研究，通过对PNPic模型的一个和两个参数的扰动进行了两种类型的数值测试，同时还使用了模型的几个扰动界面位置作为训练样本进行了测试。这些测试表明PNPic深度学习求解器可以生成高度准确的PNPic数值解。