用于求解前向与逆偏微分方程的物理信息神经网络：应用于太阳日冕建模
太阳与恒星天体物理
2025-02-28 v1 偏微分方程分析
等离子体物理
摘要
本文将展示物理信息神经网络（Physics-Informed Neural Networks, PINNs）在训练数据稀少或噪声较大时求解偏微分方程（PDEs）的有效性。训练数据可位于边界或域内。此外，PINNs 可用作逆方法来确定方程中未知的系数。本研究将重点展示 PINNs 在建模与强磁场等离子体相关过程时的应用，这些过程在太阳日冕中常见。
引用
@article{arxiv.2502.19843,
title = {Physics-Informed Neural Networks for Solving Forward and Inverse PDEs with Limited and Noisy Data: Application to Solar Corona Modeling},
author = {Hubert Baty},
journal= {arXiv preprint arXiv:2502.19843},
year = {2025}
}