BriefGPT - AI 论文速递
·
光谱信息驱动的流体流动学习
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种用于表征多尺度动力学的新求解模式，通过解耦方法将大尺度动力学独立建模并将小尺度动力学视为其受控系统。通过谱PINN来逼近小尺度系统，该方法在解决流体动力学问题方面具有多功能性。此外，还研究了该方法在非均匀网格、复杂几何、带噪声的大尺度数据和高维小尺度动力学的应用。该方法简化了时空系统的分析和预测，提高了效率和准确性。
🎯
关键要点
-
提出了一种用于表征多尺度动力学的新求解模式。
-
通过解耦方法将大尺度动力学独立建模，小尺度动力学视为其受控系统。
-
在正交基函数空间中开发了一种谱PINN来逼近小尺度系统。
-
该方法在一维Kuramot-Sivashinsky方程和二维、三维Navier-Stokes方程中有效。
-
研究了该方法在非均匀网格、复杂几何、带噪声的大尺度数据和高维小尺度动力学的应用。
-
该方法简化了时空系统的分析和预测，提高了效率和准确性。
➡️
