Abschlussvortrag: Data-Driven Identification of Underlying Laws Using DeepONet

Betreuer: Prof. Dr. Jörg Lohscheller
Kurzfassung:
In der Arbeit wurde das bestehende Framework Weak-PDE-LEARN durch die Verwendung eines DeepONets als Surrogat erweitert. Die Idee ist, dass das DeepONet als Surrogat bei der Verwendung von mehreren Datensätzen zum Finden einer Gleichung eines dynamischen Systems besser geeignet ist als ein FFN pro Datensatz.
Das DeepONet sieht mehr Daten als die einzelnen FFNs und muss einen Operator lernen, der für alle Datensätze funktioniert, wodurch potentiell verhindert wird, das eventuelles Rauschen mitgelernt wird.