学术报告:Fractional physics-informed neural networks (fPINNs) for turbulent flows-大奖888学习机构

愿你一生努力一生被爱,想要的都拥有,得不到的都释怀。继续微笑,因为生活是如此美好,没理由不保持微笑。

微笑向暖,安之若素。

管理员登录
   ·    学位点简介
   ·    研究方向
   ·    招生信息
   ·    教育管理
   ·    答辩公告

学术报告:Fractional physics-informed neural networks (fPINNs) for turbulent flows

编辑:www.dj18dj.com  发布时间:2019年10月09日 13:52      访问次数:


报告题目:Fractional physics-informed neural networks (fPINNs) for turbulent flows

报告人:宋方应(福州大学研究员)

报告时间:2019年10月11日(周五)下午14:00

报告地点:大奖888章辉楼442学术报告厅

联系人:陈雪娟副教授

报告摘要:本报告将非局部性质的分数阶微分算子引入固壁湍流封闭问题中,并应用分数阶物理信息神经网络(fPINNs)深度学习方法,对直接数值模拟(DNS)数据学习,并创建高雷诺数下固壁湍流的分数阶形式的雷诺平均模型(RANS)。将整数阶PINNs深度学习方法推广到分数阶的情形,用于学习分数阶固壁湍流模型。最后将模型用于实际问题的数值模拟如:漕道湍流问题、高雷诺数固壁湍流问题、以及边界层问题。

报告人简介:福州大学研究员、硕士生导师。2014年毕业于厦门大学数学科学机构,计算数学专业,同年赴美国布朗大学应用数学系做博士后,博后合作导师是GeorgeEmKarniadakis教授。主要研究方向:分数阶微分方程数值解法、多相流模拟以及机器学习在湍流模拟中的应用。在计算与应用数学重要期刊上发表SCI收录论文9篇。

 

大奖888

2019年10月9日

版权所有 © 大奖888学习机构
地址:厦门市集美区银江路183号(校总部) 邮编:361021