English(EN) Learning the Helmholtz equation operator with DeepONet for non-parametric 2D geometries

DeepONet学习非参数二维几何的亥姆霍兹方程算子

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-01 16:19

研究人员开发了一种物理信息神经网络算子DeepONet，用于求解非参数域上的二维亥姆霍兹方程。该方法学习散射体几何与产生的波场之间的关系，使用符号距离函数来编码任意形状。与传统的有限元方法相比，该模型提供了计算量更小的替代方案，并避免了域重网格化的需要。 AI

影响为求解复杂的物理方程提供了一种计算量更小的代理模型，有望加速模拟和设计过程。

排序理由这是一篇研究论文，详细介绍了神经网络在求解特定物理方程方面的新颖应用。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.LG TIER_1 English(EN) · Rodolphe Barlogis, Ferhat Tamssaouet, Quentin Falcoz, St\'ephane Grieu · 2026-05-04 04:00

使用DeepONet学习非参数二维几何的Helmholtz方程算子

arXiv:2605.00760v1 Announce Type: new Abstract: This paper deals with solving the 2D Helmholtz equation on non-parametric domains, leveraging a physics-informed neural operator network based on the DeepONet framework. We consider a 2D square domain with an inclusion of arbitrary …
arXiv cs.LG TIER_1 English(EN) · Stéphane Grieu · 2026-05-01 16:19

使用DeepONet学习非参数二维几何的Helmholtz方程算子

This paper deals with solving the 2D Helmholtz equation on non-parametric domains, leveraging a physics-informed neural operator network based on the DeepONet framework. We consider a 2D square domain with an inclusion of arbitrary boundary geometry at its center. This inclusion …