AI dan Masalah-Masalah Sulit Dunia · Fisika · arXiv · 2026-10-19
PINN-LPCDD: Jaringan Saraf Berbasis Informasi Fisika dengan Dekomposisi Domain yang Dapat Dipelajari dan Konsisten Secara Fisika untuk Aliran Multimedium Kompresibel
Judul asli: PINN-LPCDD: Physics-Informed Neural Network with Learnable and Physically Consistent Domain Decomposition for Compressible Multi-Medium Flows
Jaringan saraf berbasis fisika (physics-informed neural networks) kesulitan menangani aliran multi-medium yang dapat dimampatkan, termasuk menentukan lokasi antarmuka, mengaproksimasi diskontinuitas, dan menangani rasio tekanan tinggi antara medium dengan kekakuan yang sangat berbeda. PINN-LPCDD yang diusulkan mengintegrasikan metode antarmuka tajam, menggunakan sub-jaringan dengan parameter yang dapat dipelajari untuk setiap medium guna mempelajari posisi antarmuka secara otomatis, menyelesaikan persamaan Euler dengan viskositas buatan untuk gelombang kejut, dan memanfaatkan invariansi skala untuk rasio tekanan tinggi. Eksperimen numerik pada masalah udara-udara, udara-helium, udara-air, dan udara-R22 menunjukkan akurasi yang dapat diterima dalam mensimulasikan aliran multi-medium.