基于物理信息神经网络的graded-index 介质中辐射热传递的正向与反演问题
数值分析
2024-12-25 v2 数值分析
摘要
graded-index 介质中的辐射热传递常因折射指数的渐变变化导致精度问题。有限元法、无网格法及其他数值方法在该介质上应用时往往难以保持精度。为此，我们应用基于物理信息神经网络 (PINNs) 的机器学习算法来求解该介质的正向和反演问题。我们还提供了理论上界。该理论框架通过预定义和新开发的模型进行数值实验验证，展示了算法在求解该介质中的辐射传输问题时具有良好的精度和鲁健性。仿真结果表明，该新型算法能够保持数值稳定性，有效抑制即使在折射指数变化更显著的情况下的振荡误差。
引用
@article{arxiv.2412.14699,
title = {Physics informed neural network for forward and inverse radiation heat transfer in graded-index medium},
author = {K. Murari and S. Sundar},
journal= {arXiv preprint arXiv:2412.14699},
year = {2024}
}