KI und die schwierigen Probleme der Welt · Physik · arXiv · 2026-10-26
Sensitivitätsgeleitete Parameterschätzung blasenhaltiger Flüssigkeiten mittels einer nichtlinearen Wellengleichung und physikinformierter neuronaler Netze
Originaltitel: Sensitivity-Guided Parameter Estimation of Bubbly Liquid via a Nonlinear Wave Equation and Physics-InformedNeuralNetworks
Die Vorhersage, wie physikalische Parameter die nichtlineare Wellenausbreitung in blasenhaltigen Flüssigkeiten bestimmen, ist schwierig. Die Autoren kombinierten eine Korteweg-de-Vries-Burgers-Gleichung (KdVB) mit einem physikinformierten neuronalen Netz (PINN), führten eine Sensitivitätsanalyse über acht physikalische Parameter durch und nahmen anschließend eine Einzelparameter-Inversschätzung für sieben davon vor. Flüssigkeitsviskosität, anfänglicher Blasenradius, Flüssigkeitsdichte, Schallgeschwindigkeit und Flüssigkeitsdruck wurden mit Fehlern von 0.8–2.1% geschätzt, der Polytropenexponent konvergierte nur teilweise, und der Oberflächenspannungskoeffizient konnte nicht geschätzt werden, was mit der Sensitivitätsanalyse übereinstimmt.