面向稀有微喷嘴流动的冲击感知物理引导融合-DeepONet 算子
机器学习
2025-10-22 v1 流体动力学
摘要
我们提出了一个全面、基于物理的深度学习框架，用于构建稀有、含冲击波的微喷嘴流动的快速且准确的替代模型。该框架集成了三个关键组件：用于捕获参数依赖性的 Fusion DeepONet 算子学习架构、嵌入冲击对齐坐标系的物理引导特征空间，以及强调高梯度区域的两阶段课程策略。为展示所提框架的普遍性和归纳偏置，首先我们在其 exhibiting 对流性压平和类冲击梯度的规范粘性 Burgers 方程上进行了验证。
引用
@article{arxiv.2510.17887,
title = {Shock-Aware Physics-Guided Fusion-DeepONet Operator for Rarefied Micro-Nozzle Flows},
author = {Ehsan Roohi and Amirmehran Mahdavi},
journal= {arXiv preprint arXiv:2510.17887},
year = {2025}
}