爆!PINN求解NS方程精准性的证明!

学术   2024-08-31 13:33   法国  

Higher-order error estimates for physics-informed neural networks approximating the primitive equations

AI翻译版:海洋和大气的大规模动力学由原始方程 (PE) 控制。由于非线性和非局部性,PE 的数值研究通常具有挑战性。神经网络已被证明是一种很有前途的机器学习工具,可以应对这一挑战。在这项工作中,我们采用物理信息神经网络 (PINN) 来近似 PE 的解并研究误差估计。我们首先为具有完全粘性和扩散性或仅具有水平粘性和扩散性的 PE 的全局解建立高阶规律性。对于仅具有水平粘性和扩散性的情况,这种结果是新的,并且在 PINN 框架下的分析中是必需的。然后我们证明了存在两层 tanh PINN,只要 PINN 的宽度足够宽,相应的训练误差就可以任意小,并且只要训练误差足够小且样本集足够大,真实解与其近似值之间的误差就可以任意小。特别地,所有估计都是先验的,我们的分析包括高阶(空间 Sobolev 范数)误差估计。给出了原型系统的数值结果,以进一步说明在训练期间使用 Hs 范数的优势。


岳子尝了一口:经典CFD算法存在精度的问题,比如1阶2阶。作为一个新兴的计算PDE的方法PINN。是否存在一阶精度二阶精度?

岳子最近看了个文献,这个文献没有回答PINN的精度。但是直接爆出两个观点,针对水动力NS方程:

1)PINN只要层数够多,训练损失就可以足够小。

2)在训练损失足够小,若配点数量足够,PINN的解与真值之间的误差会足够小。

岳子没有花太长时间去嚼这个文章,只是尝了一口。拿AI翻译全文直接发出来,岳子还不屑于干。

文章从数学的角度去证明,只要有耐心,PINN训练到下个世纪都能给你个结果出来。

这个文章发表在2023年,是一个纯数学的文章。还是个数学类顶刊。文章里面数学公式非常多。岳子也嚼不动了。

9月份岳子在OpenFOAM课堂上,实操PINN编程。这是国内外首次(注意定语),基于OpenFOAM/纯C++原生环境,使用PINN求解CFD顶盖驱动流的教学。

我想想都激动流!!!


另外,过几天,岳子再爆某引用6位数大佬,认为NS方程解的不存在唯一性的证明。文章已经在写。再探再爆!敬请期待!



CFD界
更多的原创CFD开脑洞算法
 最新文章