Learning the Exact Flux: Neural Riemann Solvers with Hard Constraints
Cet article propose un solveur de Riemann neuronal à contraintes rigides (HCNRS) qui, en imposant la positivité, la consistance, la symétrie miroir, l'invariance galiléenne et l'invariance d'échelle, permet d'apprendre avec précision le flux exact des équations d'Euler et des eaux peu profondes tout en évitant les erreurs de conservation et les bris de symétrie observés dans les approches non contraintes.
Yucheng Zhang, Chayanon Wichitrnithed, Shukai Cai, Sourav Dutta, Kyle Mandli, Clint Dawson2026-04-01✓ Author reviewed ⓘ🔬 physics