通过物理信息神经网络进行流体流动方程识别

本研究针对物理信息神经网络（PINNs）在逆问题上的表现进行了评估，填补了该领域的研究空白。通过对二维巴格斯方程进行参数扫掠，提出了一种新颖的优化策略，结合一、二阶优化，提高了参数估计的精度。研究发现，PINNs在使用少量数据时，能够更有效地发挥物理信息正则化的优势，但在高度理想流动情况下仍然面临挑战，促进了PINN方法的进一步发展。