Reti Neurali Ibride Ispirate alla Fisica per i Sistemi Elettrici di Nuova Generazione

Ecco, c'è questa nuova recensione su arXiv che approfondisce i framework ibridi di machine learning ispirato alla fisica (PIML) mirati a migliorare i sistemi elettrici. Vengono evidenziati i difetti dei modelli basati solo sui dati, come le limitazioni dei dati e le sfide nell'interpretarli, sottolineando al contempo la necessità di seguire le leggi fisiche. La recensione copre varie architetture, tra cui le reti neurali ispirate alla fisica (PINN), gli operatori profondi (DeepONet) e alcune altre. Sono stati esaminati casi pratici che coinvolgono analisi di campo, rilevamento dei guasti e gemelli digitali, tra gli altri. La conclusione è piuttosto chiara: aggiungere la fisica nel mix porta a soluzioni più accurate, efficienti e scalabili per il panorama dell'Industria 4.0.