L'IA face aux grands problèmes du monde · Physique · arXiv · 2026-10-20
Apprentissage auto-supervisé d'opérateurs en contexte pour le mélange optimal dans les écoulements incompressibles
Titre original: Self-Supervised In-Context Operator Learning for Optimal Mixing in Incompressible Flows
La commande optimale classique du mélange dans les écoulements incompressibles doit être résolue séparément pour chaque condition initiale, ce qui est coûteux. Les auteurs apprennent l'opérateur de solution qui associe les champs scalaires initiaux aux commandes de mélange optimales, à l'aide d'une méthode auto-supervisée sans données étiquetées, fondée sur un opérateur neuronal à base de transformeur. Des expériences numériques en deux et trois dimensions montrent une généralisation à des régimes inédits, et les commandes apprises se transfèrent à des simulations eulériennes indépendantes.