Interactive playgrounds · Scientific MLPlayground interaktif · Scientific ML
Equations and data, in that order. Part 1 builds the simulation machinery — solvers, chaos, and the wave and heat PDEs. Fourier is the bridge. Part 2 mixes known equations with measured data: PINNs, SINDy, Neural ODEs, and the operators that replace the solver.
Persamaan dan data, dalam urutan itu. Bagian 1 membangun mesin simulasinya — solver, chaos, serta PDE gelombang dan panas. Fourier adalah jembatannya. Bagian 2 memadukan persamaan yang sudah diketahui dengan data hasil pengukuran: PINN, SINDy, Neural ODE, dan operator yang menggantikan solver.
The foundation for scientific ML, from scratch: slope fields and Euler, why solvers invent or lose energy, the Lorenz butterfly, and the wave and heat PDEs you can pluck and paint. Every simulation runs live; equations set in real LaTeX. Only basic calculus assumed.
Fondasi scientific ML, dari nol: slope field dan Euler, kenapa solver bisa menciptakan atau malah kehilangan energi, kupu-kupu Lorenz, serta PDE gelombang dan panas yang bisa kamu petik dan lukis sendiri. Semua simulasi berjalan langsung; persamaan ditulis dengan LaTeX asli. Cukup berbekal kalkulus dasar.
The bridge from Part 1 to Part 2, made visual: stack sine waves into any shape, read a signal's spectrum, and watch smoothing, differentiating, and integrating become one multiply per frequency. It explains the standing waves and diffusion of Part 1 — and it is the machinery the FNO runs on in Part 2.
Jembatan dari Bagian 1 ke Bagian 2, dibuat visual: tumpuk gelombang sinus jadi bentuk apa pun, baca spektrum sebuah sinyal, dan lihat smoothing, turunan, serta integral berubah jadi satu perkalian per frekuensi. Ia menjelaskan gelombang berdiri dan difusi di Bagian 1 — dan sekaligus mesin yang dijalankan FNO di Bagian 2.
Five ways to mix known equations with measured data, each trained live in the page: PINNs that obey a law, SINDy that discovers one, Neural ODEs, and the DeepONet and FNO operators that replace the solver. Builds directly on part 1.
Lima cara memadukan persamaan yang sudah diketahui dengan data hasil pengukuran, semuanya dilatih langsung di halaman: PINN yang menaati hukum, SINDy yang justru menemukan hukumnya, Neural ODE, serta operator DeepONet dan FNO yang menggantikan solver. Lanjutan langsung dari bagian 1.