PEGNet: Physik-gestützte Graphnetzwerk revolutioniert stabile Multiphysik‑Simulationen
Wissenschaftler haben ein neues Modell namens PEGNet vorgestellt, das physikalische Gesetze direkt in die Architektur eines Graph Neural Networks einbettet. Durch die Integration von PDE‑gesteuertem Message Passing – etwa für Konvektion, Viskosität und Diffusion – kann PEGNet physikalische Konsistenz in jeder Vorwärtsschleife gewährleisten.
Im Gegensatz zu herkömmlichen numerischen Lösern, die oft hohe Rechenkosten verursachen, nutzt PEGNet eine hierarchische Struktur, um Merkmale auf mehreren Skalen zu erfassen. Zusätzlich wird eine physikalische Regularisierung in die Verlustfunktion eingebaut, um die Einhaltung der Governing Physics weiter zu stärken.
Die Autoren haben das Modell an verschiedenen Benchmarks getestet, darunter maßgeschneiderte Datensätze für Atemluftströmungen und Medikamentenabgabe. Die Ergebnisse zeigen deutlich verbesserte Langzeitvorhersagegenauigkeit und physikalische Konsistenz im Vergleich zu bestehenden Methoden.
Der Quellcode ist frei verfügbar unter https://github.com/Yanghuoshan/PEGNet.