Autoregressive prediction of 2D MHD dynamics inferred from deep learning modeling
Die Autoren stellen zwei tiefenlernbasierte autoregressive Ersatzmodelle vor, die die zeitliche Entwicklung von zweidimensionalen idealen MHD-Kelvin-Helmholtz-Instabilitäten effizient und physikalisch konsistent vorhersagen und dabei im Vergleich zu direkten numerischen Simulationen erhebliche Rechenkosten einsparen.