研究人员开发了Fuse-PINN,一个结合了有限元方法(FEM)和物理信息神经网络(PINNs)的新型框架,以克服传统PINNs在模拟复杂非线性偏微分方程(PDEs)时的可扩展性限制。这种新方法能够在基于GPU的高性能计算系统上实现大规模并行模拟,并随着问题规模的增加展现出近乎完美的扩展性。Fuse-PINN框架采用能量自然梯度下降优化器以实现高精度收敛,并已成功应用于与磁约束聚变相关的物理模型。 AI
影响 为复杂物理系统的更准确、可扩展的模拟提供了可能,有望加速聚变能源等领域的研究。
排序理由 该集群包含一篇详细介绍用于模拟复杂物理现象的新计算框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Energy Natural Gradient Descent
- finite element method
- Fuse-PINN
- graphics processing unit
- High-Performance Computing
- magnetic confinement fusion
- partial differential equation
- physics-informed neural networks
- Stanislas Pamela
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →