Physics-Informed Neural Network Modeling of Biodegradable Contaminant Transport through GCL/SL Composite Liners
यह अध्ययन एक हार्ड-कंस्ट्रेंड फिजिक्स-इन्फॉर्म्ड न्यूरल नेटवर्क (H-PINN) फ्रेमवर्क प्रस्तुत करता है जो GCL/SL कंपोजिट लाइनर्स के माध्यम से बायोडिग्रेडेबल प्रदूषक परिवहन को सटीक रूप से मॉडल करने में मानक PINN और पारंपरिक संख्यात्मक विधियों से काफी बेहतर प्रदर्शन करता है और इनवर्स मॉडलिंग के माध्यम से मृदा लाइनर क्षरण मापदंडों की सफलतापूर्वक पहचान करता है।