使用时间离散隐式Runge-Kutta的学习相空间流
原文中文，约200字，阅读约需1分钟。发表于：。本研究解决了多维相空间中非线性耦合微分方程的求解问题。通过引入高阶隐式Runge-Kutta物理信息神经网络（IRK-PINNs）方案，改进了原有的微分方程求解方法，使得外场中粒子运动方程的求解更加高效。研究表明，该方法在时间独立和周期性场的应用中表现优越，成功解析了中心力场和周期电场中的粒子运动方程。
本文介绍了一种结合物理知识驱动神经网络和卷积神经网络的新技术，用于解决偏微分方程问题。该方法无需预计算训练数据，仅通过物理信息的损失函数进行训练，成功应用于不可压缩Navier-Stokes方程和阻尼波动方程。
