针对频域内部声场正反问题的数值模拟,建立了基于物理信息的神经网络架构。与基于数据驱动的神经网络不同,将声学问题的Helmholtz方程及其对应的边界条件引入神经网络,所建立的神经网络算法不仅能够反映训练数据样本的分布规律,而且也遵循由偏微分方程描述的物理定律。考虑到频域声学问题中含有复数部分,建立了两种网络架构,并进行了验证和比较分析。方法无需网格划分和数值积分等繁琐的数值计算过程,可自由地处理不规则区域和非均匀分布情形。数值试验考察了二维和三维复杂几何结构的声学正问题及反问题,结果表明所建立的物理信息神经网络算法具有较高的精确度、收敛性和鲁棒性。
作者:吴国正/王发杰/程隋福/张成鑫
刊名:基础科学; 信息科技