AI এবং বিশ্বের কঠিন সমস্যাগুলো · পদার্থবিজ্ঞান · arXiv · 2026-10-19

শব্দতরঙ্গক্ষেত্রের দ্রুত সিমুলেশনের জন্য গ্যাবর-উন্নত ফিজিক্স-ইনফর্মড নিউরাল নেটওয়ার্ক

মূল শিরোনাম: Gabor-Enhanced Physics-Informed Neural Networks for Fast Simulations of Acoustic Wavefields

বিক্ষিপ্ত হেলমহোলৎস সমীকরণ সমাধানের জন্য ফিজিক্স-ইনফর্মড নিউরাল নেটওয়ার্ক (PINN) প্রথমে নিম্ন কম্পাঙ্কে ফিট করার প্রবণতা দেখায়, ফলে অভিসরণ ধীর হয় এবং উচ্চ-কম্পাঙ্কের তরঙ্গক্ষেত্রের নির্ভুলতা কমে। লেখকেরা প্রশিক্ষণযোগ্য গ্যাবর বেসিস ফাংশন যোগ করেছেন এবং ইনপুট স্থানাঙ্ক থেকে একটি কাস্টম গ্যাবর স্থানাঙ্ক ব্যবস্থায় অরৈখিক ম্যাপিং শিখিয়েছেন। বিভিন্ন বেগ মডেলে সংখ্যাগত পরীক্ষায় প্রচলিত PINN ও আগের গ্যাবর-ভিত্তিক পদ্ধতিগুলোর তুলনায় দ্রুততর অভিসরণ, উচ্চতর নির্ভুলতা এবং বেশি দৃঢ়তা দেখা গেছে বলে জানানো হয়েছে।

মূল লেখা পড়ুন ↗

সব আইটেম →