Una arquitectura de red neuronal informada por la física para problemas de frontera móvil en ciencia e ingeniería

Área de la Ciencia:

• Ciencia Computacional
• Matemáticas Aplicadas
• Aprendizaje Automático

Sus antecedentes:

• Los problemas de frontera móvil son cruciales en ciencia e ingeniería, pero plantean desafíos debido a las interfaces desconocidas.
• Los métodos numéricos tradicionales tienen dificultades con el acoplamiento dinámico entre las interfaces móviles y las variables del sistema.
• El aprendizaje profundo ofrece nuevos enfoques, y las Redes Neuronales Informadas por la Física (PINN) muestran ser prometedoras para resolver Ecuaciones Diferenciales Parciales (EDP).

Objetivo del estudio:

• Desarrollar una arquitectura de Red Neuronal Informada por la Física (PINN) novedosa y general diseñada específicamente para problemas de frontera móvil.
• Abordar las limitaciones de los métodos existentes para manejar problemas donde el dominio espacial evoluciona con el tiempo.
• Proporcionar una herramienta computacional más factible y eficaz para dinámicas complejas de frontera móvil.

Principales métodos:

• Se propone una novedosa arquitectura PINN que emplea dos redes neuronales separadas.
• Una red predice la frontera libre, mientras que la otra predice las variables del sistema dependientes.
• Este enfoque sin malla convierte el problema de EDP en una tarea de optimización basada en el residuo de las ecuaciones rectoras.

Principales resultados:

• La arquitectura PINN propuesta resuelve con éxito varios problemas de frontera móvil.
• Demuestra eficacia en escenarios con dominios espaciales que evolucionan en el tiempo.
• Las soluciones obtenidas a través de PINN muestran robustez y potencial para simulaciones complejas.

Conclusiones:

• La novedosa arquitectura PINN ofrece un avance significativo para abordar problemas de frontera móvil.
• Proporciona una alternativa más accesible y factible a los métodos tradicionales para dinámicas complejas.
• Este enfoque establece las PINN como una plataforma de simulación robusta para aplicaciones científicas y de ingeniería.