.png){kind=icon}
返回
XI-DeepONet: An operator learning method for elliptic interface problems
.png){kind=icon}
OA
AI
DOI：10.1016/j.jcp.2025.114164.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出一种算子学习架构以解决椭圆界面问题。
• 有效处理解的低正则性和复杂的界面几何形状。
• 训练完成后，该网络能够推断具有各种界面几何形状的解。
• 该网络无需任何配对的输入-输出数据即可进行训练。
• 数值结果证明了该方法具有鲁棒性和有效性。
期刊
IF:
3.8
论文数:
1.6W
被引数:
7.4W
机构
暂无机构信息
引用论文
.png){kind=icon}
Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations物理信息神经网络: 一种用于解决涉及非线性偏微分方程的正反问题的深度学习框架
OAAI
OAAI分享收藏分享收藏Wavelet Neural Operator for solving parametric partial differential equations in computational mechanics problems求解计算力学问题中参数偏微分方程的小波神经算子
PREAI
分享收藏Matched interface and boundary (MIB) method for elliptic problems with sharp-edged interfaces具有尖锐边缘界面的椭圆问题的匹配界面和边界 (MIB) 方法
PREAI
分享收藏
查看更多内容