跳到正文
arXiv · ML· Suguru Shiratori, Elham Kiyani, Khemraj Shukla, George Em Karniadakis·· 11 天前AI 评分30

GIMLET:基于嵌入热力学的可泛化且可解释模型学习

GIMLET: Generalizable and Interpretable Model Learning through Embedded Thermodynamics

AI 导读

GIMLET 框架利用非平衡热力学变分原理,通过神经网络推断流体力学方程中的未知闭合项,保证总自由能单调衰减与非负熵产生。 该方法无需预定义候选函数库,且从单一数据集识别出的泛函可迁移至由相同方程控制的不同数据集。 在粘滞 Burgers 方程、Kuramoto-Sivashinsky 方程及 Navier-Stokes 方程等基准系统上验证了其物理可解释性。

来源:arXiv · ML · arxiv.org