把涡量边界层写进试探函数:sl-PINN在六个数量级黏性下误差不随黏性变差
二维不可压Navier–Stokes方程在小黏性下会在壁面形成宽度随黏性变薄的涡量层,均匀采样训练的物理信息神经网络难以分辨它。sl-PINN把渐近分析给出的层校正项及其壁面振幅律直接嵌入试探函数,振幅由网络自身的壁面迹决定,无需预先知道极限解。在滑移边界条件的平直通道上,涡量误差在六个数量级的黏性范围内保持均匀,而只用薄尺度、放开剖面与振幅的富集方式随黏性变小而退化。
二维不可压Navier–Stokes方程在小黏性下会在壁面形成宽度随黏性变薄的涡量层,均匀采样训练的物理信息神经网络难以分辨它。sl-PINN把渐近分析给出的层校正项及其壁面振幅律直接嵌入试探函数,振幅由网络自身的壁面迹决定,无需预先知道极限解。在滑移边界条件的平直通道上,涡量误差在六个数量级的黏性范围内保持均匀,而只用薄尺度、放开剖面与振幅的富集方式随黏性变小而退化。
已读完全部报道