PulseAugur
中
实时 15:13:01
English(EN) A Unified Physics-Informed Neural Network for Modeling Coupled Electro- and Elastodynamic Wave Propagation Using Three-Stage Loss Optimization

撤回的研究论文详述了用于波传播的物理信息神经网络

作者 PulseAugur 编辑部 · [1 个来源] ·

一项已被撤回的研究论文探讨了使用物理信息神经网络（PINNs）来模拟耦合电弹性动力学波传播。该研究应用前馈架构解决了一维压电系统，在位移方面实现了2.34%的相对L2误差，在电势方面实现了4.87%的相对L2误差。虽然证明了PINNs作为复杂偏微分方程的无网格求解器的有效性，但该研究也指出了误差累积和系统刚度方面的挑战。 AI

影响 展示了神经网络在解决复杂物理问题方面的新颖应用，有潜力推动科学模拟能力的发展。

排序理由 该条目描述了一篇学术论文，其中详细介绍了一种物理信息神经网络的新颖应用。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

撤回的研究论文详述了用于波传播的物理信息神经网络

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Suhas Suresh Bharadwaj, Reuben Thomas Thovelil ·

    用于建模耦合电-弹动力波传播的三阶段损失优化统一物理信息神经网络

    arXiv:2602.13811v2 Announce Type: replace-cross Abstract: Physics-Informed Neural Networks present a novel approach in SciML that integrates physical laws in the form of partial differential equations directly into the NN through soft constraints in the loss function. This work s…

相关实体

相关话题