Simulación numérica de la ecuación de Korteweg-de Vries con aprendizaje automático
Autores: Williams, Kristina O. F.; Akers, Benjamin F.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Simulación numérica de la ecuación de Korteweg-de Vries con aprendizaje automático
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Aprendizaje automático
Esquemas numéricos
Ecuaciones de onda no lineales
Pesos de plantilla
Error de truncamiento
Rutina de optimización
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Se propone un procedimiento de aprendizaje automático para crear esquemas numéricos para soluciones de ecuaciones de onda no lineales en mallas gruesas. Este método entrena los pesos del estarcido de una discretización de la ecuación, con el error de truncamiento del esquema como función objetivo para el entrenamiento. El método utiliza diferencias finitas centradas para inicializar la rutina de optimización y un solucionador de tiempo implícito-explícito de segundo orden como marco. Se imponen condiciones de simetría en el operador aprendido para asegurar un método estable. El procedimiento se aplica a la ecuación de Korteweg-de Vries. Se observa que es más preciso que los métodos de diferencias finitas o espectrales en mallas gruesas cuando los datos iniciales están lo suficientemente cerca del conjunto de entrenamiento.
Descripción
Se propone un procedimiento de aprendizaje automático para crear esquemas numéricos para soluciones de ecuaciones de onda no lineales en mallas gruesas. Este método entrena los pesos del estarcido de una discretización de la ecuación, con el error de truncamiento del esquema como función objetivo para el entrenamiento. El método utiliza diferencias finitas centradas para inicializar la rutina de optimización y un solucionador de tiempo implícito-explícito de segundo orden como marco. Se imponen condiciones de simetría en el operador aprendido para asegurar un método estable. El procedimiento se aplica a la ecuación de Korteweg-de Vries. Se observa que es más preciso que los métodos de diferencias finitas o espectrales en mallas gruesas cuando los datos iniciales están lo suficientemente cerca del conjunto de entrenamiento.