在使用GPT（生成对抗网络）构建受物理约束的神经网络方面成为一位专家
成为受物理约束神经网络构建的GPT（生成对抗网络）专家
定制化的副驾驶助手，优化PINN研究与开发
在最近的OpenAI DevDay中，最吸引人的发布之一就是GPTs。基本上，GPTs是ChatGPT的定制版本，任何人都可以为特定目的创建。配置可用的GPT的过程无需编码，完全通过对话实现。因此，自从发布以来，社区已经创建了各种各样的GPT，帮助用户在生活中更加高效和有趣。
作为一个物理信息神经网络（PINN）领域的从业者，我经常使用ChatGPT（GPT-4）来帮助我理解复杂的技术概念，调试实现模型时遇到的问题，并提供新颖的研究思路或工程解决方案的建议。尽管它非常有用，但我经常发现ChatGPT在超出它对PINN的一般知识之外很难给我提供个性化的答案。虽然我可以调整我的提示来包含更多的上下文信息，但这是一种耗时的做法，有时会让我快速失去耐心。
现在，有了定制ChatGPT的可能性，我有了一个想法：为什么不开发一个定制的GPT，作为一个PINN专家🦸♀️，从我的精选来源中获取知识，并努力以个性化的方式回答我关于PINN的问题呢？
因此，在这篇博文中，让我们看看如何将其变为现实！我们将从介绍构建目标GPT的过程开始，提供有关指令设计和提供的知识库的详细信息。然后，我们将通过一些演示来了解如何与新创建的GPT进行最佳互动。最后，我们将探讨未来开发的机会。
这个想法是否引起了你的共鸣？让我们开始吧🗺️📍🚶♀️
这是我物理信息机器学习系列博文的另一篇。其他博文包括：
