基于时间分段 PINNs 的一维量子液滴复杂动力学
流体动力学
2023-08-16 v2
摘要
一维量子液滴的动力学与深度学习的落地应用是近期的研究热点。本工作中，我们提出一种新颖的时间分段物理信息神经网络（PINNs），通过求解相应的修正 Gross-Pitaevskii 方程来研究一维量子液滴上的复杂动力学。该网络模型在长时间域中的训练效果远优于常规 PINNs，且其各子网络相互独立、高度可调。利用具有稀疏训练点的时间分段 PINNs，我们不仅研究了单液滴的固有调制与两液滴间的碰撞，还在液滴背景上激发出呼吸子。有趣的是，我们从两液滴碰撞的训练结果中获得了干涉图样，这是相干物质波相互作用的显著特征。数值结果表明，在非线性不可积系统中，相同初值下不同参数可能导致完全不同的动力学行为。我们的结果为利用深度学习技术实现单液滴固有调制、液滴碰撞及呼吸子激发提供了重要指导。
引用
@article{arxiv.2305.01553,
title = {Complex dynamics on the one-dimensional quantum droplets via time piecewise PINNs},
author = {Juncai Pu and Yong Chen},
journal= {arXiv preprint arXiv:2305.01553},
year = {2023}
}