AI 與世界的難題 · 天文與太空 · arXiv · 2026-10-26
適用於多維湍流自重力流的物理資訊神經網路
原標題: Physics Informed Neural Network for Multi-dimensional Turbulent Self-gravitating Flows
隨著解析度與維度提高，對紊流、自重力分子雲進行的網格式模擬成本變得高昂，因此作者採用物理資訊神經網路（PINN）作為無網格的替代方案。在二維與三維、次音速與超音速的等溫分子雲上進行測試，並以 Athena++ 作為基準，PINN 在多個自由落體時間內重現了整體流場演化。當解析度從 128^3 提高到 1024^3 時，訓練成本的增幅不到 25%。