BriefGPT - AI 论文速递
·
基于学习的多体系模型用于多尺度流动问题
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种使用神经常微分方程的新方法，通过学习部分微分方程模拟时子网格规模模型效应，提高低阶DG逼近的准确性，并加速滤波器高阶DG模拟。该方法在不同雷诺数和时间的多维Taylor-Green涡旋中展示了良好的性能。
🎯
关键要点
- 提出了一种使用神经常微分方程的新方法。
- 该方法旨在学习部分微分方程模拟时的子网格规模模型效应。
- 通过连续水平学习提高低阶DG逼近的准确性。
- 加速滤波器高阶DG模拟，提升模拟精度。
- 在不同雷诺数和时间的多维Taylor-Green涡旋中展示了良好的性能。
- 方法适用于层流、过渡和湍流状态。
- 能够从低阶（1阶）逼近重建子网格规模。
- 可以将滤波高阶（6阶）DG模拟加速两个数量级。
➡️
