Residual Data Augmentation 相关 AI 资讯 · AI 热点

7月13日

11:36

11:36

官方账号arXiv cs.LG@Okezzi Ukorigho, Opeoluwa Owoyele

该研究提出一个物理约束的机器学习框架，利用非负熵生成约束训练替代模型，替换湍流反应流DNS中的详细化学源项。在二维平面预混甲烷-空气火焰DNS中验证，模型高保真复现详细化学结果，计算成本降低超过一个数量级。残差合成数据增强策略允许从原始数据集构造新训练数据，在新入口条件下无需额外详细化学CFD即可准确模拟。

论文 Entropy-constrained ML Residual Data Augmentation Chemical Kinetics

推荐理由：用熵约束让机器学习模拟燃烧既准又快，计算省10倍多，还能用旧数据预测新工况。