Hyungmin Shin

德国航空航天中心团队把物理约束神经网络（PINN）用于从稀疏三维拉格朗日粒子追踪数据重建欧拉流场，并在相同预处理数据上与多项式分箱和FlowFit系统比较。在均匀各向同性湍流、湍流边界层合成数据以及风洞实验边界层数据上，PINN在考察的稀疏度范围内给出最低的速度与压力误差，且随粒子密度下降退化更慢。FlowFit在若干密集播种条件下涡量误差更低，其散度残差接近机器精度。

德国航空航天中心团队把物理约束神经网络（PINN）用于从稀疏三维拉格朗日粒子追踪数据重建欧拉流场，并在相同预处理数据上与多项式分箱和FlowFit系统比较。在均匀各向同性湍流、湍流边界层合成数据以及风洞实验边界层数据上，PINN在考察的稀疏度范围内给出最低的速度与压力误差，且随粒子密度下降退化更慢。FlowFit在若干密集播种条件下涡量误差更低，其散度残差接近机器精度。