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

PINN-LPCDD: সংকোচনযোগ্য বহু-মাধ্যম প্রবাহের জন্য শেখার যোগ্য ও ভৌতভাবে সামঞ্জস্যপূর্ণ ডোমেইন বিভাজনসহ ফিজিক্স-ইনফর্মড নিউরাল নেটওয়ার্ক

মূল শিরোনাম: PINN-LPCDD: Physics-Informed Neural Network with Learnable and Physically Consistent Domain Decomposition for Compressible Multi-Medium Flows

ফিজিক্স-ইনফর্মড নিউরাল নেটওয়ার্ক সংকোচনযোগ্য বহু-মাধ্যম প্রবাহে সমস্যায় পড়ে, যার মধ্যে রয়েছে ইন্টারফেসের অবস্থান নির্ণয়, বিচ্ছিন্নতার আনুমানিক নির্ণয় এবং অত্যন্ত ভিন্ন দৃঢ়তার মাধ্যমগুলোর মধ্যে উচ্চ চাপ অনুপাত সামলানো। প্রস্তাবিত PINN-LPCDD শার্প ইন্টারফেস পদ্ধতি সমন্বিত করে, প্রতিটি মাধ্যমের জন্য শেখার যোগ্য প্যারামিটারসহ উপ-নেটওয়ার্ক ব্যবহার করে ইন্টারফেসের অবস্থান স্বয়ংক্রিয়ভাবে শেখে, শক তরঙ্গের জন্য কৃত্রিম সান্দ্রতাসহ অয়লার সমীকরণ সমাধান করে এবং উচ্চ চাপ অনুপাতের জন্য স্কেলিং অপরিবর্তনীয়তা কাজে লাগায়। বাতাস-বাতাস, বাতাস-হিলিয়াম, বাতাস-পানি এবং বাতাস-R22 সমস্যায় সংখ্যাগত পরীক্ষা বহু-মাধ্যম প্রবাহ সিমুলেশনে গ্রহণযোগ্য নির্ভুলতা দেখায়।

মূল লেখা পড়ুন ↗

সব আইটেম →