热点事件持续更新

FV-CNN 实现马赫数 2-15 圆柱体稳态流求解

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年3月，Ryosuke Yano在arXiv发表研究，提出数据无关有限体积卷积神经网络（FV-CNN）。该模型用于求解马赫数2至15的圆柱体稳态可压缩欧拉流，训练过程未使用任何CFD或实验数据。后续对比研究显示，FV-CNN在多数中心对比案例中表现优于AD-CNN。在32/32自中心及22-31/32 CFD中心对比中，其闭合带缺陷小于AD-CNN，密度相对L2误差处于5.43%至18.69%区间。此外，在7/8案例中，焓值RMS误差及特定马赫数下的温度、横向速度误差均优于AD-CNN。

AI 根据报道生成 · 11 小时前更新

最新进展10月22日 12:00

数据无关有限体积卷积神经网络在圆柱体稳态可压缩欧拉流中的研究

报道时间线

沿着报道，了解事件的不同侧面。

10月22日

12:00
arXiv · AI
数据无关有限体积卷积神经网络在圆柱体稳态可压缩欧拉流中的研究
提出数据无关有限体积卷积神经网络（FV-CNN），用于求解马赫数 2–15 圆柱体稳态欧拉流，训练中无 CFD 或实验数据参与。 FV-CNN 在 32/32 自中心对比及 22–31/32 CFD 中心对比中，闭合带缺陷小于 AD-CNN；密度相对 L2 误差为 5.43%–18.69%。 FV-CNN 在 7/8 案例中焓值 RMS 误差及特定马赫数下的温度、横向速度误差优于 AD-CNN。

本事件热度走势

可比范围当前: 7
可比范围峰值: 910月22日 17:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。