物理信息神经网络（PINNs）在流体力学中的应用：综述
流体动力学
2021-05-21 v1 机器学习
摘要
尽管过去 50 年在利用 Navier-Stokes 方程（NSE）数值离散模拟流动问题方面取得了显著进展，我们仍无法将含噪数据无缝融入现有算法，网格生成复杂，且无法处理由参数化 NSE 控制的高维问题。此外，求解反问题流动往往成本高昂，需要复杂昂贵的公式与新计算机代码。在此，我们综述流动物理信息学习，将数据与数学模型无缝融合，并利用物理信息神经网络（PINNs）实现。我们展示了 PINNs 在三维尾流、超音速流与生物医学流相关反问题中的有效性。
引用
@article{arxiv.2105.09506,
title = {Physics-informed neural networks (PINNs) for fluid mechanics: A review},
author = {Shengze Cai and Zhiping Mao and Zhicheng Wang and Minglang Yin and George Em Karniadakis},
journal= {arXiv preprint arXiv:2105.09506},
year = {2021}
}