Red neuronal informada por la física con pérdida ponderada y restricciones estrictas para leyes de conservación...

Área de la Ciencia:

• Dinámica de fluidos computacional
• Aprendizaje automático científico
• Análisis numérico

Sus antecedentes:

• Las redes neuronales informadas por la física (PINN) son herramientas emergentes para resolver ecuaciones diferenciales.
• La resolución de discontinuidades como las ondas de choque en el flujo de fluidos sigue siendo un desafío para las PINN estándar.
• Las ecuaciones de Euler son fundamentales para modelar la dinámica de fluidos compresibles, incluidas las ondas de choque.

Objetivo del estudio:

• Introducir un novedoso enfoque de red neuronal informada por la física (PINN), WHC-PINN, para resolver ecuaciones hiperbólicas.
• Mejorar la capacidad de las PINN para manejar discontinuidades en el flujo de fluidos compresibles.
• Desarrollar un solucionador unificado tanto para problemas de Riemann como de toberas de convergencia y divergencia.

Principales métodos:

• Se propuso una red neuronal informada por la física con restricciones estrictas y pérdida ponderada (WHC-PINN).
• Se empleó un enfoque de ponderación de gradientes y restricciones estrictas para resolver ecuaciones hiperbólicas.
• Se validó WHC-PINN utilizando las ecuaciones de Euler, centrándose en los problemas de Riemann y de toberas de convergencia y divergencia.

Principales resultados:

• WHC-PINN resolvió con éxito tanto el problema de Riemann como el de toberas de convergencia y divergencia utilizando formulaciones conservadoras unificadas.
• El solucionador demostró capacidad para abordar problemas de valor inicial y de valor límite.
• WHC-PINN capturó con precisión las ubicaciones de los choques en comparación con las soluciones analíticas.

Conclusiones:

• WHC-PINN representa un avance significativo en el uso de PINN para solucionadores generales de flujo compresible.
• El método propuesto resuelve eficazmente las discontinuidades, un desafío clave en las simulaciones de dinámica de fluidos.
• WHC-PINN ofrece un enfoque robusto y preciso para simular fenómenos complejos de flujo de fluidos.