用于碰撞粒子的图神经网络及其在海冰 floe 模型中的应用
机器学习
2026-04-21 v2 人工智能
计算机视觉与模式识别
计算物理
摘要
本文提出了一种新的海冰建模方法，利用图神经网络(GNN)，其中节点代表单个冰块，边缘建模物理相互作用，包括碰撞。该概念在一维框架中开发，作为基础步骤。传统数值方法虽然有效，但计算密集且不够可扩展。通过利用GNs，提出的模型称为碰撞捕获网络(CN)，将数据同化(DA)技术整合以有效学习和预测各种条件下的海冰动力学。该方法使用合成数据进行验证，数据中包含或不包含观测点，结果发现该模型在不牺牲准确性的前提下加速了轨迹模拟。该进展为预测边缘冰区(MIZ)提供了更高效的工具，凸显了将机器学习与数据同化结合以更有效和更高效建模的潜力。
引用
@article{arxiv.2602.16213,
title = {Graph neural network for colliding particles with an application to sea ice floe modeling},
author = {Ruibiao Zhu},
journal= {arXiv preprint arXiv:2602.16213},
year = {2026}
}
备注
Zhu, R. Graph Neural Network for Colliding Particles with an Application to Sea Ice Floe Modeling. Arab J Sci Eng (2026). https://doi.org/10.1007/s13369-026-11188-z