AI与世界难题 · 物理学 · arXiv · 2026-10-19
PINN-LPCDD：面向可压缩多介质流动的、具有可学习且物理一致区域分解的物理信息神经网络
原标题: PINN-LPCDD: Physics-Informed Neural Network with Learnable and Physically Consistent Domain Decomposition for Compressible Multi-Medium Flows
物理信息神经网络在处理可压缩多介质流动时面临困难，包括界面定位、间断逼近，以及刚度差异极大的介质之间的高压比处理。所提出的 PINN-LPCDD 整合了锐利界面方法，为每种介质使用带可学习参数的子网络来自动学习界面位置，通过引入人工黏性的欧拉方程来求解激波，并利用缩放不变性来应对高压比。针对空气-空气、空气-氦气、空气-水和空气-R22 问题的数值实验表明，该方法在模拟多介质流动时具有可接受的精度。