AI 与机器学习physicsbaseddeeplearning.org
基于物理的深度学习（书）
Physics-Based Deep Learning Book
2021 — 2024，它一次次回到首页
黑点是上首页（≥ 50 分）的那次投稿，空心点是没冲上去的投稿，点越大分数越高。
导读
这是一本关于物理模拟与深度学习结合的在线书，讨论可微物理、物理启发的神经网络，以及用深度学习辅助或加速物理仿真。页面本身用 Jupyter Book 构建，读者可以直接运行其中的 notebook 代码。
为什么经久不衰：它把物理仿真与可微编程、深度学习连接起来，并提供可交互代码，既是入门教材，也是可长期查阅的实践参考。
HN 评论精选
介绍该书网站由 Jupyter Book 生成，可交互运行 notebook，并称赞这套教学工具。
元评论：你点开链接看到的网站是用 Jupyter Book 生成的，这大概是有史以来最好的东西。它像 .Rmd 一样能把 Markdown 说明和可执行代码单元结合、轻松生成书，但适配 Python 生态（Jupyter notebook）。Jupyter Book 设计得很好：用 _toc.yml 组织目录，所有配置在一个 _config.yml 里，构建依赖 Sphinx。最酷的功能之一是 Launcher 选项，读者可用右上角火箭按钮交互运行任意 notebook，只需一行配置；类似配置还能启用“在 Binder 中启动”。这种“随处执行”被抽象成 thebe 库，甚至已有用 pyodide 内核离线运行的 POC。作为教育者，看到学习/教学工具发展这么快很难不兴奋。
ivan_ah查看英文原文
meta comment: the website you're viewing when you click that link is generated using Jupyter Book , which is like the best thing ever https://jupyterbook.org/intro.html Imagine all the beauty of .Rmd (easily generate books by combining markdown explanations with executable cells), but adapted for the Python ecosystem (jupyter notebooks). Jupyuter-book is a really well thought-out project. You create the book with a _toc.yml file: https://github.com/tum-pbs/pbdl-book/blob/main/_toc.yml and all the config is in one file: https://github.com/tum-pbs/pbdl-book/blob/main/_config.yml (the build system leverages Sphinx which is the docs workhorse in the Python world) One of the coolest things is the "Launcher" option which gives readers the options to "run" any notebook interactively (using the rocket button in the top right). It's a one-line config https://github.com/tum-pbs/pbdl-book/blob/main/_config.yml#L10-L12 A similar config would enable the "Launch in Pybinder" option which is a free ephemeral jupyter provider, see https://mybinder.org/ This "execute anywhere" option is nicely abstracted away as the `thiebe` library, and there is even POC work to run a pyodide kernel (https://github.com/executablebooks/thebe/issues/465) so soon all of this goodness will work offline in your browser! As an educator, it's hard not to get excited about the future, given the pace at which learning/teaching tooling is developing!
质疑为何选 Python 而非 Julia，认为 Julia 更适合 ODE 求解与微分编程结合。
为什么用 Python？Julia 不是更擅长把传统 ODE 求解器和微分编程结合起来吗？
Archit3ch查看英文原文
Why python? Doesn't Julia compose traditional ODE solvers with differential programming better?
指出书名容易误解：重点是用深度学习辅助物理仿真，而非纯物理。
更准确地说，这是基于深度学习的物理，或者更准确地说，是深度学习辅助的物理仿真。
sampo查看英文原文
More like Deep Learning -based physics. Or more accurately: Deep Learning -assisted physics simulations.
提问能否用简单 MLP 为无解析解的抛体运动近似闭式解。
我在做一个带阻力和马格努斯力的抛体运动模拟。它没有解析解，我目前用数值求解器。有人知道能否用简单的 MLP 网络近似出一个闭式解吗？
RavlaAlvar查看英文原文
I was doing a project that simulate a projectile motion with drag and Magnus force. This has no analytical solutions and I currently solve it with a numeric solver. Does anyone know if I could approximate a closed form solution with a simple MLP network?
历次讨论
同类还值得读
如何写一个拼写纠正器
How to Write a Spelling Corrector
Peter Norvig 用一个几十行的 Python 程序演示如何做拼写纠正：先用编辑距离（删除、插入、替换、换位）生成所有可能的候选词，再用从大量文本中统计出的词频概率，选出…
AI 与机器学习上首页 10 次 · 2007–2022norvig.com编辑精选面向黑客的概率编程与贝叶斯方法
Probabilistic Programming and Bayesian Methods for Hackers (2013)
《黑客的贝叶斯方法与概率编程》是一本开源的贝叶斯统计入门书，以 Python/PyMC 代码和交互式 Jupyter Notebook 为主线，强调“先实践、后数学”的学习路径，…
AI 与机器学习上首页 5 次 · 2013–2018camdavidsonpilon.github.io编辑精选神经网络黑客指南
Hacker's Guide to Neural Networks
Andrej Karpathy 写的神经网络入门教程，面向程序员，从最简单的表达式求导讲起，逐步推导出反向传播和梯度下降，最后引出神经网络。
AI 与机器学习上首页 4 次 · 2014–2019karpathy.github.io编辑精选神经网络能逼近任意函数的可视化证明
A visual proof that neural nets can approximate any function
这一章来自 Michael Nielsen 的在线书《Neural Networks and Deep Learning》，用 sigmoid 单元叠加成局部隆起/平滑阶跃的图示…
AI 与机器学习上首页 4 次 · 2014–2022neuralnetworksanddeeplearning.com编辑精选论乔姆斯基与统计学习的两种文化
On Chomsky and the Two Cultures of Statistical Learning
Norvig 回应 Chomsky 对统计语言模型批评的文章，围绕“统计学习能否解释语言”展开，比较生成与解释、少参数模型与 Shannon 式高参数统计模型。
AI 与机器学习上首页 4 次 · 2011–2025norvig.com编辑精选