نوشتار حاضر دریچه‌ای نو به دنیای تلفیق یادگیری ماشین و مدل‌سازی فیزیکی می‌گشاید؛ جایی که شبکه‌های عصبی آگاه از فیزیک (PINNs) به‌عنوان رویکردی نوین، افق‌های تازه‌ای را فراروی پژوهشگران قرار می‌دهد. در این اثر، با بیانی ساده ابتدا مفاهیم بنیادی هوش مصنوعی، یادگیری ماشین و شبکه‌های عصبی معرفی شده و سپس چارچوب نظری و عملی رویکرد PINN مورد بررسی قرار می‌گیرد. در ادامه، با بهره‌گیری از بستۀ نرم‌افزاری SciANN، مثال‌های عددی متنوعی به‌صورت گام‌به‌گام پیاده‌سازی می‌شود تا خواننده به درکی عمیق و کاربردی از این روش دست یابد. آشنایی مقدماتی با زبان برنامه‌نویسی Python و مفاهیم پایۀ معادلات دیفرانسیل و جبر خطی برای درک بهتر مطالب کتاب توصیه می‌شود. این نوشتار می‌تواند به‌عنوان منبعی مقدماتی، اما کاربردی، مورد استفادۀ دانشجویان و پژوهشگران تحصیلات تکمیلی در رشته‌های فنی و مهندسی و علوم پایه قرار گیرد و نقطۀ‌ آغازی برای ورود به دنیای جذاب یادگیری ماشین علمی و روش‌های محاسباتی نوین باشد

فصل اول: کلیات

1-1- مقدمه

1-2- محتوای فصل‌های آتی

منابع

فصل دوم: شبکه‌های عصبی مصنوعی

2-1- مقدمه

2-2- هوش مصنوعی

2-3- یادگیری ماشین

2-4- یادگیری عمیق

2-5- شبکه‌های عصبی مصنوعی

2-6- بسترهای پیاده‌سازی یادگیری عمیق

منابع

فصل سوم: شبکه‌های عصبی آگاه از فیزیک

3-1- مقدمه

3-2- پیشینه

3-3- فرمول‌بندی

3-4- مقایسۀ FEM و رویکرد PINN

3-5- مروری بر پژوهش‌های پیشین

3-6- بسته‌های نرم‌افزاری

منابع

فصل چهارم: پیاده‌سازی رویکرد PINN در SciANN

4-1- مقدمه

4-2- مثال‌های حل شده

منابع