arXiv 物理· Francesco Romor, Richard Schussnig, Charles A. Taylor, Gerhard A. Holzapfel, Alfonso Caiazzo·· 13 小时前AI 评分20
基于合成数据生成与主动学习的血流动力学形状感知代理模型
Synthetic Dataset Generation, Physical Consistency and Active Learning for Shape-Informed Surrogate Modeling of Hemodynamics
AI 导读
研究基于 SynthAorta 数据集生成生理一致的计算流体动力学解，并用 Graph U-Net 与 Transformer U-Net 代理模型预测收缩期峰值速度场和压力场。主动学习在早期训练阶段相比随机采样收益有限，但在微调阶段通过梯度与子空间采样策略提升性能；物理一致性约束作为微调目标比全程正则化更有效。分布外研究表明，代理模型的主要限制在于参数化的几何支撑范围，而非神经网络架构本身。
来源：arXiv 物理 · arxiv.org