文献

J-GLOBAL ID：202202228753366428   整理番号：22A1045760

保存量に基づく2段階物理学情報ニューラルネットワーク法と局在波動解への応用【JST・京大機械翻訳】

A two-stage physics-informed neural network method based on conserved quantities and applications in localized wave solutions

著者 (3件)： Lin Shuning (School of Mathematical Sciences, Shanghai Key Laboratory of Pure Mathematics and Mathematical Practice, East China Normal University, Shanghai, 200241, China) ,  Chen Yong (School of Mathematical Sciences, Shanghai Key Laboratory of Pure Mathematics and Mathematical Practice, East China Normal University, Shanghai, 200241, China) ,  Chen Yong (College of Mathematics and Systems Science, Shandong University of Science and Technology, Qingdao, 266590, China)
資料名： Journal of Computational Physics  (Journal of Computational Physics)
巻： 457  ページ： Null  発行年： 2022年 
JST資料番号： B0860A  ISSN： 0021-9991  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 高速計算速度と高精度の利点により,物理情報ニューラルネットワーク法は,非線形偏微分方程式を数値的に解くための新しいアプローチを開く。保存量に基づいて,ニューラルネットワークに物理系の特徴を導入することにより,方程式の性質に合わせた2段階PINN法を考案した。その注目すべき利点は,地球的展望から物理的制約を課すことができることである。第一段階では,元のPINNを適用した。ステージ2では,ニューラルネットワークを訓練するために,平均平方誤差損失に保存量の測定をさらに導入した。この2段階PINN法を用いて,可積分方程式の豊富な局在波解をシミュレーションした。著者らは,主にSawada-Kotera方程式と結合方程式,すなわち古典的Boussinesq-Burgers方程式を研究し,データ駆動ソリトン分子,M型二重ピークソリトン,プラトーソリトン,相互作用解などを得た。数値結果により,これらの解の豊富な動的挙動は良く再現でき,2段階PINN法は,元のPINN法と比較して,予測精度を著しく改善し,一般化能力を高めることができることを例証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 積分方程式 ,  相互作用 ,  *波動 ,  偏微分方程式 ,  地球 ,  *ニューラルネットワーク ,  ソリトン ,  *運動の定数 ,  高速計算
準シソーラス用語： 予測精度 ,  高精度 ,  動的挙動 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (4件)： 2段PINN ,  局在波動解 ,  ソリトン分子 ,  保存量

分類 (2件)： 数値計算  (JE02000J) ,  流体動力学一般  (BC02010G)

タイトルに関連する用語 (7件)： 保存量 ,  段階 ,  物理学 ,  ニューラルネットワーク ,  波動 ,  解 ,  応用