کاربرد شبکه های عصبی فیزیک−آگاه در شبیه سازی عددی مدل های همه گیری؛ مطالعه موردی: کووید− ۱۹

مدل های ریاضیاتی بیماری های واگیردار اغلب به صورت دستگاه های معادلات دیفرانسیل غیرخطی بیان می گردند.تخمین جواب این مدل ها تاثیر بسزایی در پیش بینی روند بیماری و سیاست گذاری مناسب دارد. مدل مستعد−آلوده−سالم(SIR) یکی از معروف ترین مدل های همه گیری است که اخیرا مورد توجه دانشمندان زیادی قرار گرفته است. در این پژوهش شبکه های عصبی فیزیک−آگاه را جهت حل این مدل توسعه داده و سپس به یافتن جواب تقریبی مدل می پردازیم. لازم به ذکراست پارامترهای مدل مذکور بر اساس تعداد مبتلایان روزانه کووید− ۱۹ در ایران تنظیم و بررسی شده است.

کلیدواژه ها:

معادلات دیفرانسیل ، کووید− ۱۹ ، یادگیری عمیق