基于可训练频率的傅里叶特征网络的多尺度润滑仿真
原文中文，约400字，阅读约需1分钟。发表于：。通过引入一种新型的多尺度润滑神经网络架构，该方法利用可训练的傅里叶特征网络，在分析粗糙表面特征时自适应各种频率成分，具有高准确性和计算效率，提供了一种更有效的粗糙表面润滑分析工具。
本文研究了物理信息驱动的神经网络（PINNs）在两个不同系统的实验数据上的表现。结果显示，在简单的非线性摆系统中，PINNs 在理想数据情况下的准确度提高了18倍和6倍。在使用实验数据进行测试时，准确度分别提高了9.3倍和9.1倍。研究还探讨了物理信息驱动模型在物理系统中的可行性，并选择了FPGA作为部署计算的基板。未来工作计划也被列出。
