开发了一个新的计算机辅助框架,用于确立三维周期性Navier-Stokes流的全局正则性。该方法结合了有限参考轨迹和公共误差界限,在谱截断前保留了完整的非线性残差,并控制演化直到粘性衰减保证正则性。应用于各种流场已产生明确的扰动半径,并包括了超出标准标准的初始条件,通过参数均匀扩展涵盖了一系列非Beltrami Taylor-Green中心。该框架还通过广泛的配置数据和匹配的神经算子实验,将数学可观测量与谱传递和涡旋几何联系起来,展示了物理信息训练如何有助于严格计算。 AI
影响 物理信息AI训练可以增强复杂模拟中证明限制条件的发现。
排序理由 学术论文,详细介绍了流体动力学的新计算框架。[lever_c_demoted from research: ic=1 ai=0.7]
- alphaXiv
- Arnold-Beltrami-Childress
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Jose Luis Lima De Jesus Silva
- Navier–Stokes equations
- ScienceCast
- Taylor Green
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →