Complementary, Not Cumulative: Interaction Effects in Physics-Informed Neural Networks for Navier-Stokes Vortex Shedding

Questo articolo dimostra che, mentre le singole tecniche spesso falliscono nel migliorare le reti neurali informate dalla fisica (PINN) per flussi di Navier-Stokes non stazionari, una specifica combinazione complementare di attivazioni periodiche e pesatura causale raggiunge un'elevata accuratezza, laddove l'aggiunta di ulteriori metodi porta a un degrado catastrofico delle prestazioni, provando che gli interventi sulle PINN interagiscono in modo non lineare piuttosto che cumulativo.

Autori originali: Devesh Shah