研究人员开发了一种新颖的物理信息群组数据处理方法(PI-GMDH),该方法能够自适应地构建函数表示来求解复杂的物理方程。该方法在求解过程中逐步构建表示,评估候选函数方向并优化系数。在不可压缩Navier-Stokes方程的Taylor Green基准测试中,PI-GMDH取得了高度精确的结果,并且与传统的物理信息神经网络和Kolmogorov-Arnold网络相比,所需的活跃函数数量更少。 AI
影响 这种自适应方法有望为复杂的科学模拟带来更有效、更精确的解决方案。
排序理由 该集群包含一篇详细介绍求解物理方程新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Chebyshev functions
- Kolmogorov-Arnold Networks
- Navier-Stokes Equations
- physics-informed neural networks
- PI-GMDH
- Taylor Green
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →