已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Physics-informed neural networks for solving the Helmholtz equation

亥姆霍兹方程 可解释性 人工神经网络 偏微分方程 离散化 亥姆霍兹自由能 残余物 边值问题 应用数学 边界元法 计算机科学 有限元法 人工智能 算法 物理 数学 数学分析 量子力学 热力学
作者
Johannes D. Schmid
标识
DOI:10.3397/no_2023_0049
摘要

Discretization-based methods like the finite element method have proven to be effective for solving the Helmholtz equation in computational acoustics. However, it is very challenging to incorporate measured data into the model or infer model input parameters based on observed response data. Machine learning approaches have shown promising potential in data-driven modeling. In practical applications, purely supervised approaches suffer from poor generalization and physical interpretability. Physics-informed neural networks (PINNs) incorporate prior knowledge of the underlying partial differential equation by including the residual into the loss function of an artificial neural network. Training the neural network minimizes the residual of both the differential equation and the boundary conditions and learns a solution that satisfies the corresponding boundary value problem. In this contribution, PINNs are applied to solve the Helmholtz equation within a two-dimensional acoustic duct and mixed boundary conditions are considered. The results show that PINNs are able to solve the Helmholtz equation very accurately and provide a promising data-driven method for physics-based surrogate modeling.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
只因太美发布了新的文献求助10
1秒前
某博完成签到 ,获得积分10
2秒前
孟长歌发布了新的文献求助10
2秒前
yolanda完成签到,获得积分20
5秒前
Ava应助活泼学生采纳,获得10
7秒前
乐乐应助OKC采纳,获得10
8秒前
kskdss完成签到,获得积分10
8秒前
Cactus发布了新的文献求助10
9秒前
10秒前
xiabia完成签到,获得积分10
10秒前
13秒前
颜哈哈完成签到,获得积分10
13秒前
kskdss发布了新的文献求助10
15秒前
可爱的函函应助sunny采纳,获得10
16秒前
在水一方应助颜哈哈采纳,获得10
19秒前
wmx发布了新的文献求助10
21秒前
kkk完成签到,获得积分10
23秒前
23秒前
斯文败类应助kskdss采纳,获得10
26秒前
研友_LkDwdn完成签到,获得积分10
28秒前
28秒前
30秒前
31秒前
772829发布了新的文献求助10
31秒前
点心完成签到,获得积分10
33秒前
苏大强完成签到,获得积分10
34秒前
35秒前
梁林瑶发布了新的文献求助10
36秒前
甜甜的又蓝完成签到 ,获得积分10
36秒前
许七安完成签到,获得积分10
38秒前
星辰大海应助小马驹采纳,获得10
39秒前
paulin发布了新的文献求助20
40秒前
心心发布了新的文献求助10
41秒前
务实煎蛋发布了新的文献求助10
45秒前
46秒前
哆啦顺利毕业完成签到 ,获得积分10
47秒前
所所应助心心采纳,获得10
49秒前
50秒前
50秒前
小马驹发布了新的文献求助10
51秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufen 700
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
Acute Care Physical Therapy 500
Ожившие листья и блуждающие цветы. Практическое руководство по содержанию богомолов [Alive leaves and wandering flowers. A practical guide for keeping praying mantises] 500
Development of a new synthetic process for the synthesis of (S)-methadone and (S)- and (R)-isomethadone as NMDA receptor antagonists for the treatment of depression 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3095043
求助须知:如何正确求助?哪些是违规求助? 2747015
关于积分的说明 7592274
捐赠科研通 2398472
什么是DOI,文献DOI怎么找? 1272548
科研通“疑难数据库(出版商)”最低求助积分说明 615390
版权声明 598906