本研究探讨了物理启发式神经网络(PINNs)及其改进版本在求解偏微分方程(PDEs)中的应用。引入鲁棒版本的PINN(RPINN)和其他新框架,展示了在无标注数据情况下建模弹性动力学的可行性,并解决了复杂边界条件的问题。研究结果表明,改进后的模型在精度和效率上表现良好,适用于处理不规则几何形状和非结构化网格。
完成下面两步后,将自动完成登录并继续当前操作。