Solving BDNK diffusion using physics-informed neural networks
Diese Arbeit reformuliert die relativistische BDNK-Diffusionsgleichung in einer flusskonservativen Form und löst diese in D, indem sie ein zweiter Ordnung liegendes Kurganov-Tadmor-Finite-Volumen-Schema mit einem neuartigen SA-PINN-ACTO-Framework vergleicht, wobei demonstriert wird, dass der neuronale Netzwerkansatz konvergierte Lösungen für glatte Profile genau reproduziert, während er erwartete Einschränkungen in der Nähe von Diskontinuitäten aufweist.