RANS--Spalart--Allmaras

新的SC-NOs提高了神经网络在复杂PDE建模中的准确性

研究人员开发了敏感性约束神经算子（SC-NOs），以提高用于建模偏微分方程（PDE）的神经网络的可靠性和数据效率。通过引入雅可比监督，SC-NOs提高了正向预测和反向建模的能力，尤其是在高维输入方面。该方法在平流-扩散和RANS-Spalart-Allmaras等基准测试中表现出更高的准确性和成本效益，并有望用于海啸源反演等实时应用。