davide 98bfc78651 PINN: normalizza input in [0,1]² e ottimizza autograd
- forward(): divide (x,t) per (L, T_END) prima di passare alla rete,
  così le due dimensioni hanno la stessa scala indipendentemente da T_END
- heat_pinn_loss: calcola dT_dt e dT_dx in un singolo backward pass
  usando autograd.grad con lista [t_f, x_f]

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
2026-05-14 14:20:20 +02:00
2026-05-13 21:24:26 +02:00
2026-05-13 21:24:26 +02:00
S
Description
No description provided
151 KiB
Languages
Python 94.8%
Shell 5.2%