一种用于自适应分区的深度学习方法
数值分析
2023-01-31 v1 人工智能
机器学习
数值分析
摘要
我们提出一种监督式深度学习（DL）方法，用于对可压缩介质中一维激波传播建模的含时偏微分方程进行自适应分区。我们在由不同静态激波剖面及其对应的用标准自适应分区技术计算的适配网格组成的数据集上训练神经网络。我们表明，训练后的 DL 模型学会了如何捕捉域中激波的存在，并在每个时间步生成适配的非均匀网格，该网格重新分配网格节点以改进 Lax-Wendroff 和五阶加权本质无振荡（WENO5）空间离散格式的精度。我们还表明，替代 DL 模型将执行自适应分区的计算时间相对于标准技术减少了至少 2 倍，且不损害感兴趣物理量的重建精度。
引用
@article{arxiv.2301.13162,
title = {A deep learning approach for adaptive zoning},
author = {Massimiliano Lupo Pasini and Luka Malenica and Kwitae Chong and Stuart Slattery},
journal= {arXiv preprint arXiv:2301.13162},
year = {2023}
}
备注
30 pages, 26 figures