XPINN revolutioniert die Simulation von Zwei-Phasenfluss in porösen Medien
Die exakte Lösung nichtlinearer hyperbolischer partieller Differentialgleichungen (PDEs) bleibt ein zentrales Problem der numerischen Wissenschaft, weil steile Gradienten, Diskontinuitäten und multiskalige Strukturen herkömmliche Diskretisierungsmethoden stark belasten. Physik-informierte neuronale Netzwerke (PINNs) bieten einen mesh‑freien Ansatz, stoßen jedoch häufig an ihre Grenzen, wenn es darum geht, scharfe Fronten und komplexe Welleninteraktionen akkurat zu erfassen.
