Couette flow

物理信息神经网络推动溶质色散模拟发展

研究人员开发了一种新颖的物理信息神经网络（PINN）框架，用于模拟具有反应壁面的剪切流中溶质的色散。这种无网格方法将控制的对流扩散方程和Robin边界条件嵌入到损失函数中，从而能够准确地重构时空浓度场。PINN框架已通过有限差分基准进行了验证，并证明了其提取详细输运诊断的能力，例如轴向色散系数和局部吸收通量。该研究强调了PINN作为分析流体动力学中复杂反应输运现象的可解释工具的潜力。