Augmenting a Physics-Informed Neural Network for the 2D Burgers Equation by Addition of Solution Data Points

Mathias, Marlon Sproesser; Almeida, Wesley de; Coelho, Jefferson F.; Freitas, Lucas P. de; Moreno, Felipe M.; Netto, Caio F. D.; Cozman, Fábio Gagliardi; Costa, Anna Helena Reali; Tannuri, Eduardo A.; Gomi, Edson Satoshi; Dottori, Marcelo

doi:10.1007/978-3-031-21689-3_28

Cited by 1 publication

(1 citation statement)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Uma possível abordagem utiliza o aprendizado de máquina informado pela física ou Physics-Informed Machine Learning (PIML) que são ferramentas de aprendizado de máquina que aproximam a soluc ¸ão numérica de equac ¸ões de modelo, como equac ¸ões diferenciais parciais, adicionando-as de alguma forma como um componente. Em [Mathias et al 2022a] os autores implementaram uma Rede Neural Informada por Física (PINN) para resolver as equac ¸ões bidimensionais de Burgers e em [Mathias et al 2022b] descrevem uma PINN que simula o fluxo induzido pela maré em um canal de porto.…”

Section: Trabalhos Relacionadosunclassified

Predicting Next Steps of a CFD Simulation using Deep Learning

Gomide,

Lobosco,

Santos

2023

Anais Do XX Encontro Nacional De Inteligência Artificial E Computacional (ENIAC 2023)

View full text Add to dashboard Cite

As simulações de dinâmica dos fluidos computacional (CFD) possuem aplicações em diversas áreas como indústria aeronáutica, automobilística e energética. Os fluxos de fluido são descritos por equações cuja resolução ainda é limitada pelo custo computacional. O objetivo desse trabalho é complementar as simulações de CFD em termos de previsão dos instantes subsequentes da simulação utilizando aprendizado profundo. A metodologia proposta modela esse problema como a previsão do próximo quadro de um vídeo. A entrada para a rede profunda são as primeiras imagens da simulação CFD e a saída são as próximas imagens. Os resultados obtidos para a simulação de um fluxo através de um cilindro fixo apresentaram valores de SSIM maiores que 0.83.

show abstract

Section: Trabalhos Relacionadosunclassified