一种端到端深度学习方法解决非局部Allen-Cahn和Cahn-Hilliard相场模型
发表于: 。本研究针对现有非局部Allen-Cahn和Cahn-Hilliard相场模型在界面模糊性方面的问题提出了一种高效的端到端深度学习方法。通过定制神经网络的损失函数以及采用非局部核作为输入通道,显著提高了解决这些模型的精确性和效率。研究结果表明,该方法能够有效处理相分离的锐界面,并显著降低计算成本。
本研究针对现有非局部Allen-Cahn和Cahn-Hilliard相场模型在界面模糊性方面的问题提出了一种高效的端到端深度学习方法。通过定制神经网络的损失函数以及采用非局部核作为输入通道,显著提高了解决这些模型的精确性和效率。研究结果表明,该方法能够有效处理相分离的锐界面,并显著降低计算成本。