[Презентация] Реализовать PINN метод решения начально-краевой задачи для уравнения Кортевега-де Вриза (КдВ). Исследовать влияние количества нейронов и скрытых слоёв на точность и эффективнось решения. Исследование посвящено решению начально-краевой задачи для уравнения Кортевега-де Вриза с помощью PINN (Physics-Informed Neural Networks). Дифференциальные уравнения - очень важная часть математики, это целый математический аппарат (Дифференциальные уравнения в частных производных ) широко применяемый при разработке моделей в разных областях науки и техники. Однако, явное решение этих уравнений в аналитическом виде оказывается возможным только в частных простых случаях. Поэтому для анализа математических моделей, основанных на дифференциальных уравнениях, используются приближенные численные методы. В данном исследовании для решения поставленной задачи используется метод PINN. Physics Informed Neural Network (PINN), также называемые теоретически обученными нейронными сетями (TTN), представляющие собой тип апроксиматоров универсальных функций, которые могут встраивать знания о любых физических законах, управляющие данными в процессе обучения, и могут быть описаны дифференциальными уравнениями в частных производных.