能否支持PINN + DeepOnet

[pecanjk]

需求描述 Feature Description

需要对函数采样功能提供支持

替代实现 Alternatives

No response

[HydrogenSulfate]

能否具体描述一下，函数采样功能和PINN+DeepONet分别是指什么呢？

[pecanjk]

目前实现的DeepONet是纯数据驱动的，结合上PINN之后，可以不需要数据来训练DeepONet，出自这篇文章physics-informed DeepONets

实现可以参考deepxde的poisson.1d.pideeponet，antiderivative_unaligned_pideeponet等

其核心就是训练DeepONet时，需要在函数空间采样，从而得到branch部分的输入
参考这里

def train_next_batch(self, batch_size=None):
        func_feats = self.func_space.random(self.num_func)
        func_vals = self.func_space.eval_batch(func_feats, self.eval_pts)
        v, x, vx = self.bc_inputs(func_feats, func_vals)
        if self.pde.pde is not None:   ##这里是基于PDE做函数采样，作为输入
            v_pde, x_pde, vx_pde = self.gen_inputs(
                func_feats, func_vals, self.pde.train_x_all
            )
            v = np.vstack((v, v_pde))
            x = np.vstack((x, x_pde))
            vx = np.vstack((vx, vx_pde))
        self.train_x = (v, x)
        self.train_aux_vars = vx
        return self.train_x, self.train_y, self.train_aux_vars

其中函数采样self.gen_inputs参考这里，self.func_space就是函数空间

[HydrogenSulfate]

目前实现的DeepONet是纯数据驱动的，结合上PINN之后，可以不需要数据来训练DeepONet，出自这篇文章physics-informed DeepONets

实现可以参考deepxde的poisson.1d.pideeponet，antiderivative_unaligned_pideeponet等

其核心就是训练DeepONet时，需要在函数空间采样，从而得到branch部分的输入 参考这里

def train_next_batch(self, batch_size=None):
func_feats = self.func_space.random(self.num_func)
func_vals = self.func_space.eval_batch(func_feats, self.eval_pts)
v, x, vx = self.bc_inputs(func_feats, func_vals)
if self.pde.pde is not None: ##这里是基于PDE做函数采样，作为输入
v_pde, x_pde, vx_pde = self.gen_inputs(
func_feats, func_vals, self.pde.train_x_all
)
v = np.vstack((v, v_pde))
x = np.vstack((x, x_pde))
vx = np.vstack((vx, vx_pde))
self.train_x = (v, x)
self.train_aux_vars = vx
return self.train_x, self.train_y, self.train_aux_vars
其中函数采样self.gen_inputs参考这里，self.func_space就是函数空间

好的，我们近期会考虑基于这篇论文增加一下函数空间采样的功能

[pecanjk]

看到examples中的示例chip_heat已经做了一些PI-DeepOnet的内容，能否在这个基础上适配到所有即可

[HydrogenSulfate]

看到examples中的示例chip_heat已经做了一些PI-DeepOnet的内容，能否在这个基础上适配到所有即可

"这个基础上适配到所有即可"是指什么意思呢

[pecanjk]

看到examples中的示例chip_heat已经做了一些PI-DeepOnet的内容，能否在这个基础上适配到所有即可

"这个基础上适配到所有即可"是指什么意思呢

就是目前这个example的实现是自定义的，能否添加到ppsci代码库里，方便使用

[HydrogenSulfate]

看到examples中的示例chip_heat已经做了一些PI-DeepOnet的内容，能否在这个基础上适配到所有即可

"这个基础上适配到所有即可"是指什么意思呢

就是目前这个example的实现是自定义的，能否添加到ppsci代码库里，方便使用

还是没太理解，ppsci.arch.ChipDeepONets这个API已经在ppsci模块下了，能具体说明一下你需要添加什么功能吗？

[guhaohao0991]

看到examples中的示例chip_heat已经做了一些PI-DeepOnet的内容，能否在这个基础上适配到所有即可

"这个基础上适配到所有即可"是指什么意思呢

就是目前这个example的实现是自定义的，能否添加到ppsci代码库里，方便使用

还是没太理解，ppsci.arch.ChipDeepONets这个API已经在ppsci模块下了，能具体说明一下你需要添加什么功能吗？

函数空间采样功能，比如chip-deeponet中用高斯分布采样定义域内的随机热源以及边界条件，不知道我理解的是否正确

[pecanjk]

看到examples中的示例chip_heat已经做了一些PI-DeepOnet的内容，能否在这个基础上适配到所有即可

"这个基础上适配到所有即可"是指什么意思呢

就是目前这个example的实现是自定义的，能否添加到ppsci代码库里，方便使用

还是没太理解，ppsci.arch.ChipDeepONets这个API已经在ppsci模块下了，能具体说明一下你需要添加什么功能吗？

函数空间采样功能，比如chip-deeponet中用高斯分布采样定义域内的随机热源以及边界条件，不知道我理解的是否正确

是的