无数据有限体积CNN求解圆柱绕流稳态Euler流
热点事件持续更新
无数据有限体积CNN求解圆柱绕流稳态Euler流
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Ryosuke Yano 提出无数据有限体积卷积神经网络（FV-CNN），在 8 个马赫数（2–15）下求解圆柱绕流稳态可压缩 Euler 流动，训练不使用任何 CFD 或实验场数据。其密度与压力相对 L2 误差分别为 5.43%–18.69% 和 6.25%–19.70%，在 32/32 自中心对比中闭环缺陷优于 AD-CNN。 但新初始化下密度误差达 12.04%–43.70%，初始化鲁棒性优势尚未确立；马赫数 2 采用单独的预算受限方案，且不依赖参考数据选择系数、种子和检查点的方法尚未建立。
AI 根据报道生成 · 2 小时前更新
最新进展10月22日 12:00
无数据有限体积卷积神经网络求解圆柱绕流稳态可压缩 Euler 流动报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 物理无数据有限体积卷积神经网络求解圆柱绕流稳态可压缩 Euler 流动
研究提出无数据有限体积卷积神经网络（FV-CNN），在 8 个马赫数（2–15）下求解圆柱绕流稳态 Euler 流动，训练不使用任何 CFD 或实验场数据。其密度与压力相对 L2 误差分别为 5.43%–18.69% 和 6.25%–19.70%，闭环缺陷在 32/32 自中心对比中优于 AD-CNN。但新初始化下密度误差达 12.04%–43.70%，初始化鲁棒性优势尚未确立。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。