KI und die schwierigen Probleme der Welt · Physik · arXiv · 2026-10-20
Selbstüberwachtes In-Context-Operatorlernen für optimales Mischen in inkompressiblen Strömungen
Originaltitel: Self-Supervised In-Context Operator Learning for Optimal Mixing in Incompressible Flows
Die klassische optimale Steuerung für die Mischung in inkompressiblen Strömungen muss für jede Anfangsbedingung separat gelöst werden, was aufwendig ist. Die Autoren lernen den Lösungsoperator, der anfängliche Skalarfelder auf optimale Mischsteuerungen abbildet, mit einer selbstüberwachten Methode ohne gelabelte Daten, aufgebaut auf einem Transformer-basierten neuronalen Operator. Numerische Experimente in zwei und drei Dimensionen zeigen eine Generalisierung auf unbekannte Regime, und die gelernten Steuerungen lassen sich auf unabhängige Euler-Simulationen übertragen.