近日，中国科学院海洋络续所李晓峰络续团队基于深度学习技艺，漠视了一种高效求解海洋能源学偏微分方程（PDE）的新步调，并到手应用于刻画海洋内伶仃波的KdV方程组求解。

本络续矫正了物理信息神经集聚（PINN），引入径向基函数（RBF）代替传统神经集聚，漠视了PIRBF模子。针对伶仃波的强非线性特点，络续团队野心了渐进式学习策略，有用扼制了西宾中的过错增长，大幅陶冶了模子精度和不休适度，可精确模拟多种款式的伶仃波解，包括伶仃波解、conidal解和dinodal解，网络彩票和AG百家乐为海洋能源学PDE的高效求解提供了新想路。

PIRBF模子的结构

该络续的中枢亮点在于模子通过自监督学习，仅依赖PDE及运转条款，无需传统数值模子适度四肢西宾基准，奏凯愚弄深度学习技艺求解。该步调在求解KdV荒谬将就方程（如fKdV方程）时愈加生动，仅需退换偏微分项即可，展现出超卓的精度与适度。一样步调适用于求解薛定谔和Burgers等复杂PDE。模子西宾完成后，可在数秒内生成高精度适度，大幅裁减计较时间。络续团队暗示，这一技艺的到手应用展现了物理驱动深度学习在海洋能源学PDE求解中的遍及远景。

PIRBF模子非线性方程的三个运转条款下 KdV（左）和 fKdV（右）方程的模子适度

本论文第一作家为李晓峰络续员，第二、第三作家为博士络续生王浩宇和杨艺，通讯作家为张旭东副络续员。络续职责取得了中国科学院政策要点络续研讨及国度当然科学基金花样等资助。

论文信息：

X. Li,H. Wang,Y. Yang,X. Zhang,Deep Learning-Based Solution for the KdV-family Governing Equations of Ocean Internal Waves. Ocean Modelling,102493 (2024).

信息源流：中国科学院海洋所。

转载请注明信息源流及海洋知圈编排。

• ag百家乐怎么杀猪
• 所李
• 海洋
• 中国科学院
• 晓峰