我们提出了一个混合框架Oppinn:物理知识的神经网络(PINN),其中运算符学习以近似于Fokker-Planck-Landau(FPL)方程的解决方案。 Oppinn框架分为两个步骤:步骤1和步骤2。在步骤1期间对操作员替代模型进行训练后,PINN可以使用预训练的替代模型在步骤2期间有效地近似于FPL方程。操作员替代模型可大大降低计算成本,并通过近似FPL方程中的复杂Landau碰撞积分来提高PINN。操作员替代模型也可以与传统的数值方案结合使用。当速度模式变大时,它在计算时间中提供了高效率。使用Oppinn框架,我们在各种类型的初始条件下为FPL方程提供了神经网络解决方案,并在两个和三个维度中提供相互作用模型。此外,基于FPL方程的理论属性,我们表明,随着预定义的损耗函数的降低,近似的神经网络解决方案会收敛到FPL方程的先验经典解。
translated by 谷歌翻译