arXiv 物理· Weiheng Zeng, Hao Wang, Jiaxin Zhu, Kun Wang, Tiegang Liu, Chengliang Feng·· 3 天前AI 评分26
PINN-LPCDD：面向可压缩多介质流的可学习物理一致区域分解物理信息神经网络
PINN-LPCDD: Physics-Informed Neural Network with Learnable and Physically Consistent Domain Decomposition for Compressible Multi-Medium Flows
AI 导读
研究者提出 PINN-LPCDD，将锐界面方法（SIM）引入 PINN 求解可压缩多介质流。该框架为每种介质设计带可学习参数的独立子网络以自动学习界面位置，并用人工粘性 Euler 方程提升激波鲁棒性、利用 Euler 方程尺度不变性处理高压比问题。在 air-air、air-helium、air-water 和 air-R22 算例上验证了可接受的精度。
来源：arXiv 物理 · arxiv.org