研究人员开发了一种名为GNODE的新方法，该方法结合了图神经网络常微分方程（GNODEs）和增强型神经网络常微分方程来预测时变翼型气动性能。该方法旨在克服传统自回归图神经网络中出现的误差累积问题，从而对复杂的流体动力学现象进行更具时间稳定性和准确性的预测。在对俯仰翼型进行的模拟测试中，GNODE方法在模拟具有外源输入的非线性时空系统方面表现出改进的性能。 AI
影响 这项研究为模拟复杂的流体动力学提供了一种更稳定、更准确的方法，有望加速航空航天设计和优化过程。
排序理由 详细介绍新建模方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- graph neural networks
- Graph Neural Ordinary Differential Equations
- Navier-Stokes Equations
- Neural Ordinary Differential Equations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
