基于图神经网络的爆轰流场降维图表示

研究用基于GNN的自编码器为含爆轰流场生成降维潜在图表示。在二维氢-空气通道中，有效分辨率约为诱导长度两倍的潜在图即可重建胞状爆轰的波前与激波后区域。外推实验显示，GNN重建存在表示层级：优先保留爆轰波前特征（波前轮廓与三重点），其次才是下游爆燃区。