通用科学ML/ScientificML
面向含加性噪声的二次非线性系统,从数据学习随机微分方程,并可用于湍流降阶建模。
见LICENSE文件 随机算子推断随机微分方程降阶模型 流体/CFD
提出周期物理信息神经网络(P-PINN)框架,实现参数化周期流的纯物理驱动求解与有限幅生气动弹性响应分析。
见LICENSE文件 PINN流体力学气动弹性 电磁/Electromagnetics
针对介质阻挡放电中相同位置连续放电的重新点燃动力学,构建物理降阶模型,无需机器学习即可实现时间预测。
见LICENSE文件 介质阻挡放电等离子体物理放电动力学 流体/CFD
基于patch自编码器与神经ODE构建分布式降阶模型,研究二维Kolmogorov湍流中的相对周期轨道与局域化recurrences。
见LICENSE文件 Kolmogorov湍流周期轨道降阶模型 结构
提出基于降阶模型的预条件器加速拓扑优化,通过EIFEM框架结合ROM技术降低有限元分析的计算成本。
见LICENSE文件 拓扑优化降阶模型预条件器 通用科学ML
提出信息极限阶梯理论框架,量化有限信息条件下降阶模型的可预测性边界,涵盖无记忆/增记忆轨迹预测、事件预测、稳态统计与生成律。
见LICENSE文件 降阶模型信息论预测理论 流体/CFD
提出Mollified-Sharp分解方法,通过概率分布对移动激波进行正则化处理,增强参数化降阶模型对含激波流动的捕捉能力。
见LICENSE文件 激波捕捉降阶模型概率正则化 ScientificML
提出基于卷积算子压缩的非线性降阶模型,突破线性投影方法的Kolmogorov N-width限制,以更少模态实现参数化PDE的高精度近似。
见LICENSE文件 降阶模型卷积算子N-width