Physics-Informed Machine Learning Framework for Rapid Aerodynamic Prediction of Trailing-Edge Morphing Airfoils at Low Reynolds Numbers
تتحقق هذه الدراسة من إطار عمل لتعلم الآلة المستند إلى الفيزياء، والذي يستخدم نموذجاً بديلاً يعتمد على تعزيز التدرج مدرباً على بيانات محدودة من ديناميكا السوائل الحسابية، للتنبؤ بسرعة ودقة بالأداء الديناميكي الهوائي المتفوق للأجنحة ذات الحواف الخلفية المكافئة المتحولة مقارنة بالأسطح المفصلية التقليدية عبر مختلف التكوينات وظروف التدفق، مع تقليل أخطاء التنبؤ بنسبة تصل إلى 18% من خلال هندسة الميزات القائمة على الفيزياء.