扩散 regime 下的高能密度辐射传递：基于傅里叶神经算子
计算物理
2024-05-08 v1 机器学习
摘要
辐射热传递是高能密度物理和惯性等离子体聚焦中的基本过程。准确预测Marshak波在广泛材料属性和驱动条件下的行为，对设计和分析这些系统至关重要。传统的数值求解器和解析近似方法在准确性和计算效率方面常常面临挑战。本文提出了一种新方法，使用傅里叶神经算子(Fourier Neural Operators, FNO)来建模Marshak波。我们开发了两种FNO模型：(1) 一个基础模型，通过学习驱动条件和材料属性之间的映射，学习到基于Hammer & Rosen(2003)中常用的解析模型的解的近似；(2) 一个纠正解析近似不准确性的模型，通过学习到更准确的数值解的映射。我们的结果表明，FNO具有强大的泛化能力，相较于基础解析模型在预测准确性上显著提高。
引用
@article{arxiv.2405.04003,
title = {High Energy Density Radiative Transfer in the Diffusion Regime with Fourier Neural Operators},
author = {Joseph Farmer and Ethan Smith and William Bennett and Ryan McClarren},
journal= {arXiv preprint arXiv:2405.04003},
year = {2024}
}