新的弱熵PINN框架解决了双曲守恒律中的不连续解问题

研究人员开发了一种新颖的弱熵PINN（WEPINN）框架，以解决使用神经网络求解具有不连续解的双曲守恒律的挑战。该新方法在其弱形式中强制执行控制方程，并整合熵条件以确保物理上可接受的解，利用离散快速傅里叶变换（DFFT）进行高效数值积分。大量实验表明，WEPINN能够准确地解析尖锐的不连续性，并捕捉一维和二维标量和系统守恒律中的复杂波相互作用。 AI

影响 引入了一种新颖的神经网络方法，用于准确模拟具有不连续解的复杂物理现象。

排序理由 这是一篇研究论文，详细介绍了一种使用神经网络求解一类微分方程的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• discrete fast Fourier transform
• Gotit.pub
• Hugging Face
• neural networks
• physics-informed neural networks
• ScienceCast
• WEPINN

• 论文
• 其他

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