基于共形映射的物理信息神经网络设计中性夹杂
机器学习
2026-02-03 v2 人工智能
偏微分方程分析
摘要
我们处理了具有不完美边界条件的中性夹杂问题，重点是为任意形状的夹杂设计界面函数。传统的物理信息神经网络（PINNs）在处理这一逆问题时存在困难，因此我们开发了共形映射坐标物理信息神经网络，将几何函数理论与 PINNs 相结合。CoCo-PINNs 通过神经网络训练对界面函数进行建模，从而产生中性夹杂效应，有效地解决了正逆问题。该方法在可信度、一致性和稳定性方面提升了 PINNs 的性能。
引用
@article{arxiv.2501.07809,
title = {Conformal mapping based Physics-informed neural networks for designing neutral inclusions},
author = {Daehee Cho and Hyeonmin Yun and Jaeyong Lee and Mikyoung Lim},
journal= {arXiv preprint arXiv:2501.07809},
year = {2026}
}