-
题名基于等变图神经网络的拉格朗日粒子流模拟
- 1
-
-
作者
蒋权
黄文清
苟志勇
-
机构
广西民族大学人工智能学院
广西混杂计算与集成电路设计分析重点实验室
-
出处
《计算机应用》
北大核心
2025年第8期2666-2671,共6页
-
基金
广西科技基地和人才专项(桂科AD21220002)。
-
文摘
图神经网络(GNN)因能较好解决结构网格的问题,且有较强的组合泛化能力,被越来越多地应用于复杂的流体系统预测。然而,在拉格朗日无网格视角下,经过平移、旋转或翻转变换的流体粒子信息输入GNN会出现不可预测的输出问题。为了解决该问题,提出基于等变图神经网络模拟(EGNS)的方法。首先,将几何向量转换为相对的等变量;其次,通过每一步具有等变性的消息传递使整个神经网络具有等变性,网络输出与输入等变量的空间变换保持一致;最后,在光滑粒子流体动力学(SPH)方法模拟的粒子轨迹里训练得到较优的EGNS模型。在公开流体仿真数据集上的实验结果表明,EGNS具有良好预测效果,相较于图神经网络模拟(GNS)的方法,EGNS在流体粒子运动形态、速度及典型细节的表现力上更准确,预测粒子的位置均方误差(MSE)减小了约16%。
-
关键词
等变图神经网络
等变性
光滑粒子动力学
流体粒子
流动预测
-
Keywords
equivariant graph neural network
equivariance
smoothed particle hydrodynamics
fluid particle
flow prediction
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
O35
[理学—流体力学]
-
