基于多任務圖神經(jīng)網(wǎng)絡的非定常流體預測

摘要： 在高維非線性流體模擬中，傳統(tǒng)計算流體力學(computational fluid dynamics, CFD)求解器存在計算成本與難度較高的局限性。為提高計算效率，提出一種結合多任務學習與圖神經(jīng)網(wǎng)絡的流體模擬方法，旨在高效、快速預測非定常流體動力過程。首先采用非結構化網(wǎng)格對流體計算域的空間分布建模，結合圖神經(jīng)網(wǎng)絡提取其多維度空間特征，并通過消息傳遞機制的聚合更新特性來模擬流體的... （共8頁）