【技术实现步骤摘要】
本公开涉及物理信息建模，具体而言，涉及一种物理场域建模方法、装置、电子设备及存储介质。
技术介绍
1、偏微分方程广泛存在于热传导、结构力学、流体动力学、电磁分析等工程建模问题中，传统求解方法如有限元法（fem）、有限差分法（fdm）虽具有高度成熟的理论与工具支持，但面临以下关键瓶颈：需人工构建离散网格与边界条件，建模周期长；对复杂几何与非线性边界问题求解效率低；难以适配数据驱动场景中对快速迭代与在线计算的需求。
2、近年来，物理信息神经网络（physics-informed neural network，pinn）因其可将偏微分约束直接嵌入神经网络训练中，成为替代传统数值方法的重要方向。其优势在于可通过自动微分对物理约束进行建模，支持无网格求解与数据融合，已在多个科研领域展示潜力。然而，pinn 的应用门槛依旧较高，主要原因包括：神经网络结构和损失函数设计需人工编写，严重依赖专家经验；对不同方程、边界条件、采样区域等适配能力差；调参成本高，训练过程缺乏智能协同调优机制。
技术实现思路>
1、本公开实本文档来自技高网...
【技术保护点】
1.一种物理场域建模方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取待建模场域类型以及建模参数，确定所述待建模场域类型对应的建模偏微分方程，并生成所述建模参数对应的建模参数代码块，具体包括：
3.根据权利要求1所述的方法，其特征在于，根据预设优化目标以及对应所述待建模场域类型的历史超参数组生成初始超参数组，利用所述初始超参数组训练所述神经网络模型并记录对应的损失函数值，具体包括：
4.根据权利要求3所述的方法，其特征在于，根据所述损失函数值的变化动态调整所述初始超参数组，直至所述神经网络模型满足所述优化目标，
<...【技术特征摘要】
1.一种物理场域建模方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取待建模场域类型以及建模参数，确定所述待建模场域类型对应的建模偏微分方程，并生成所述建模参数对应的建模参数代码块，具体包括：
3.根据权利要求1所述的方法，其特征在于，根据预设优化目标以及对应所述待建模场域类型的历史超参数组生成初始超参数组，利用所述初始超参数组训练所述神经网络模型并记录对应的损失函数值，具体包括：
4.根据权利要求3所述的方法，其特征在于，根据所述损失函数值的变化动态调整所述初始超参数组，直至所述神经网络模型满足所述优化目标，具体包括：
5.根据权利要求1所述的方法，其特征在于，在所述神经网络模型完成时候，所述方法还包括：
...【专利技术属性】
技术研发人员：王春雷，罗汉辰，
申请(专利权)人：中国信息安全研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。