基于条件生成对抗网络深度学习对流流动
流体动力学
2023-06-21 v2 机器学习
计算物理
摘要
我们开发了一个通用的深度学习框架 FluidGAN，能够学习和预测与时间相关的、耦合能量传输的对流流动。FluidGAN 完全数据驱动，具有高速和高精度，并且在无需任何底层流体与能量传输物理先验知识的情况下满足流体物理。FluidGAN 还学习了速度、压力和温度场之间的耦合关系。我们的框架有助于理解底层物理模型复杂或未知的确定性多物理场现象。
引用
@article{arxiv.2005.06422,
title = {Deep Learning Convective Flow Using Conditional Generative Adversarial Networks},
author = {Changlin Jiang and Amir Barati Farimani},
journal= {arXiv preprint arXiv:2005.06422},
year = {2023}
}