中文

使用辛神经网络的δf粒子模拟方法中的非线性控制变量

计算物理 2026-06-29 v1
作者: Victor Fournet , Martin Campos Pinto , Emmanuel Franck , Victor Michel-Dansac
在 arXiv 上查看 ↗ PDF ↗

摘要

我们提出了一种新颖的δf粒子模拟（PIC）方法，用于静电等离子体的动力学模拟，其中作为控制变量的体密度通过辛神经网络（SympNets）演化。SympNets被用作反向流的近似，并使用粒子轨迹进行训练。我们引入了一种周期性的SympNet架构变体，将问题的空间周期性编码到网络本身中。我们通过Vlasov-Poisson系统在1D1V和3D3V中的数值结果验证了该方法。

关键词

粒子模拟 delta-f方法 辛神经网络 控制变量 Vlasov-Poisson 静电等离子体

引用

@article{arxiv.2606.30622,
  title  = {Non-linear control variate in δf particle-in-cell methods using symplectic neural networks},
  author = {Victor Fournet and Martin Campos Pinto and Emmanuel Franck and Victor Michel-Dansac},
  journal= {arXiv preprint arXiv:2606.30622},
  year   = {2026}
}