研究人员开发了一种新颖的混合孪生框架，该框架结合了基于物理的模型和图神经网络（GNNs），以改进复杂物理现象的模拟。该方法通过使用显著减少的数据来学习“无知模型”——即物理模型与现实之间的差异——从而解决了纯粹数据驱动方法的局限性。GNN 组件能够有效地捕捉缺失物理学的空间模式，即使在测量稀疏的情况下也能实现更准确和可解释的模拟，正如在非线性传热问题中所展示的那样。 AI
影响 引入了一种提高复杂物理现象模拟准确性和数据效率的新颖方法。
排序理由 该集群包含一篇详细介绍改进模拟新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →