用于平面平行流的奇异层物理信息神经网络方法
数值分析
2023-11-28 v1 数值分析
摘要
本文构造了半解析物理信息神经网络（PINNs），称为奇异层PINNs（或sl-PINNs），适用于预测小粘度下平面平行流的刚性解。回顾边界层分析，我们首先求出该问题的校正子，其描述粘性流在边界层内的奇异行为。随后，利用校正子及其旋度的分量，我们通过将校正子（或其旋度）的显式表达式嵌入PINNs结构，或将其隐式部分与PINN预测联合训练，构建速度与新sl-PINN旋度预测。数值实验证实，我们的新sl-PINNs对小粘度平面平行流给出稳定且精确的预测解。
引用
@article{arxiv.2311.15304,
title = {Singular layer Physics Informed Neural Network method for Plane Parallel Flows},
author = {Teng-Yuan Chang and Gung-Min Gie and Youngjoon Hong and Chang-Yeol Jung},
journal= {arXiv preprint arXiv:2311.15304},
year = {2023}
}