Nature Machine Intelligence · 研究· Jingdi Wan· 机构原始发布·精选
Lagrangian–Eulerian学习模型TrajectoryFlowNet同时预测流场和粒子轨迹
原文标题
Lagrangian–Eulerian learning of flow field and trajectories with TrajectoryFlowNet
AI 导读
Wan等人提出了一种物理信息学习模型TrajectoryFlowNet，能够基于有限的轨迹测量数据同时预测长程粒子路径和流场，已在模拟和血液流动实验中得到验证。
来源：Nature Machine Intelligence · 研究 · nature.com
导读与选稿说明
该模型解决了流场和轨迹预测中数据稀疏性的瓶颈，可用于医学血流分析等需要精确预测粒子运动的领域，显著提高了预测精度和效率。
导读由模型辅助整理，非独立核验。完整信息见原文。