2026年11月20日 星期五 登录 EN

学术活动
基于 Onsager 变分原理的保结构神经时间推进方法
首页 - 学术活动
报告人:
游汝康 博士(香港理工大学)
邀请人:
周涛 研究员
题目:
基于 Onsager 变分原理的保结构神经时间推进方法
时间地点:
11月24日(周二)9:30-10:30,腾讯会议:165-882-570
摘要:

偏微分方程广泛应用于物理、化学及工程科学等领域,其数值求解不仅需要兼顾计算精度与效率,还应尽可能保持质量守恒、能量耗散等内在物理结构。近年来,神经网络为高维、复杂偏微分方程的求解提供了新思路,但如何将物理规律与神经网络的灵活表示能力有效结合,仍是科学机器学习中的重要挑战。本报告将介绍一种基于 Onsager 变分原理的保结构神经时间推进框架。该方法突破了传统神经方法直接逼近演化状态的思路,转而利用神经网络表示系统演化的过程变量,并构建显式、隐式及预测—校正三类时间推进格式。通过将变分结构融入数值离散过程,该框架能够保持守恒系统的离散质量守恒,并在适当条件下保证隐式格式的离散能量稳定性。通过热方程、Allen–Cahn、Cahn–Hilliard、Fokker–Planck及Poisson–Nernst–Planck等典型问题,展示该方法在求解精度、数值稳定性和物理结构保持方面的表现,为发展可靠、高效的神经偏微分方程求解方法提供新的研究思路。