Interface-Aware Sparse Data Placement for Extended Physics-Informed Neural Networks Applied to Computational Fluid Dynamics and Fluid–Structure Interaction
Questo articolo introduce SPHINX, una strategia di posizionamento dei dati consapevole dell'interfaccia che migliora significativamente l'accuratezza e la stabilità delle Extended Physics-Informed Neural Networks (XPINNs) per la ricostruzione di campi di moto dei fluidi, allocando strategicamente punti di misurazione sparsi nelle regioni di sovrapposizione dei sottodomini, riducendo così gli errori di ricostruzione fino al 95% in diversi regimi di flusso.