AI 與世界的難題 · 物理學 · arXiv · 2026-10-19
PINN-LPCDD:具可學習且物理一致區域分解的物理資訊神經網路,用於可壓縮多介質流動
原標題: PINN-LPCDD: Physics-Informed Neural Network with Learnable and Physically Consistent Domain Decomposition for Compressible Multi-Medium Flows
物理資訊神經網路（PINN）在處理可壓縮多介質流時面臨困難，包括界面定位、不連續面的逼近，以及剛性差異極大的介質之間的高壓比。所提出的 PINN-LPCDD 整合了銳利界面法，為每種介質使用帶有可學習參數的子網路來自動學習界面位置，並透過加入人工黏性的歐拉方程式求解震波，同時利用尺度不變性處理高壓比。針對空氣-空氣、空氣-氦氣、空氣-水與空氣-R22 問題的數值實驗顯示，該方法在模擬多介質流時具備可接受的精確度。