arXiv 物理· Joonbeom Kim, Eunji Jun·· 3 天前AI 评分26
基于 Fokker-Planck 模型的物理信息神经网络用于稀薄气体流动
Physics-informed Neural Networks Based on the Fokker-Planck Model for Rarefied Gas Flows
AI 导读
研究提出无数据 Fokker-Planck 物理信息神经网络（FP-PINN），用椭球统计 Fokker-Planck（ES-FP）方程结合速度分布函数闭合与矩投影构造物理损失，用于描述稀薄非平衡流动。在稳态一维 Mach 10 正激波上，FP-PINN 与数值 ES-FP 结果误差低于 1%，但相比粒子 ES-FP 结果预测的激波结构更陡，误差最高达 17%，差异归因于速度分布函数闭合与矩投影。
来源：arXiv 物理 · arxiv.org