深度算子网络中的流固耦合网格运动

本文介绍了一种基于深度算子学习的框架，通过使用有限的高保真数据集进行训练，能够在减少工作量的同时获得准确的实验和计算数据。该框架使用物理引导的Fourier特征深度算子网络学习低保真解决方案的基本模式，并通过物理引导的Fourier特征残差深度算子网络提高低保真网络输出，使用少量的高保真数据集进行训练，从而获得高保真解决方案。实验结果表明，该框架在预测升力和阻力系数方面具有更好的预测能力。