Transfer Neural Network

PIML框架提升月球探测器热建模的准确性和速度

研究人员开发了一种新颖的物理信息机器学习（PIML）框架，以改进月球探测器的热建模。该方法集成了一个迁移神经网络（TNN），该网络根据热负荷自适应地确定网格节点划分，从而用更粗糙的网格提高准确性。嵌入了一个可微分的有限差分热模拟器，以实现物理一致性和高效训练，并使用一个上采样层重建高分辨率温度场。与传统的粗网格模型相比，PIML框架在预测准确性方面提高了50%，并且比高保真模拟快3倍。