Kernekoncepter
ナビエ・ストークス方程式の理想的な場合において、ヘリシティを保存するための物理情報ニューラルネットワークモデルを設計する。強形式のPDEモデルを損失関数として使うことで、ニューラルネットワークの解がヘリシティ保存を実現する。
Resumé
本論文では、ナビエ・ストークス方程式の理想的な場合において、ヘリシティを保存するための物理情報ニューラルネットワークモデルを提案する。
まず、ナビエ・ストークス方程式とその保存量であるエネルギー則とヘリシティについて説明する。次に、ヘリシティを保存する有限要素法スキームを紹介する。
その上で、物理情報ニューラルネットワーク(PINN)モデルを用いてヘリシティを保存する手法を提案する。PINNモデルは強形式のPDEを損失関数として使うため、ヘリシティ保存が容易に実現できる。
提案手法の数値実験を行い、ヘリシティが正確に保存されることを示す。また、従来の有限要素法スキームと比較し、提案手法の優位性を確認する。
Statistik
ナビエ・ストークス方程式の理想的な場合において、ヘリシティの時間変化は以下のように表される:
Dt∫Ω u・ω dx = -2Re^(-1) ∫Ω ∇×u・∇×ω dx
Citater
"ナビエ・ストークス方程式のヘリシティ保存は、安定性と物理的に意味のある解を得るために重要である。"
"物理情報ニューラルネットワークモデルは、有限要素法のような弱形式のPDEに基づくモデルとは異なり、強形式のPDEを用いるため、保存則を実現しやすい。"