AI 與世界的難題 · 物理學 · arXiv · 2026-10-26
透過非線性波動方程式與物理資訊神經網路進行以敏感度為導向的含氣泡液體參數估計
原標題: Sensitivity-Guided Parameter Estimation of Bubbly Liquid via a Nonlinear Wave Equation and Physics-InformedNeuralNetworks
要預測物理參數如何影響含氣泡液體中的非線性波傳播並不容易。作者將 Korteweg-de Vries-Burgers(KdVB)方程式與物理資訊神經網路(PINN)結合,針對八個物理參數進行敏感度分析,接著對其中七個參數進行單一參數反推估計。液體黏度、氣泡初始半徑、液體密度、聲速與液體壓力的估計誤差為 0.8–2.1%,多變指數僅部分收斂,而表面張力係數則無法估計,這與敏感度分析的結果一致。