不可压缩流PINN换掉tanh激活:BS-PINN在21组基准与架构对照中速度误差平均降三成
不可压缩流的物理信息神经网络长期沿用通用的tanh激活,网络只能靠优化自行学出流场的空间结构。BS-PINN从正则化Biot–Savart核中取出一个奇对称有理剖面作为隐藏层激活,保留原有的速度—压力输出和方程残差训练,只替换非线性函数,并给出固定核尺度与可学习核尺度两个版本。在Kovasznay流、圆柱尾迹、三维Beltrami流、Taylor–Green涡和双剪切层共21组基准与网络架构对照中,两个版本的速度组合误差都低于tanh基线,平均相对降幅分别为31.7%和33.2%。