张泽翰, 李宏
提出一种新型有限元增强神经网络混合算法,用于高效求解对流-扩散方程.与物理信息神经网络使用大量采样点最小化损失函数的方法不同,该方法借助少量网格剖分节点,将有限元刚度矩阵和载荷向量引入神经网络损失函数,结合前馈神经网络,分别针对稳态和非稳态对流扩散问题构造新型有限元增强神经网络算法.稳态问题中利用双曲正切函数与GELU函数作为激活函数,非稳态问题中利用向后Euler法的离散方程构造残差,并结合边界条件和初始条件构造损失函数,激活函数取为SILU与GELU,同时数值模拟对比了有限元解和有限元增强的神经网络解,结果显示:有限元增强神经网络混合算法在稳态问题中可准确重构FEM解,在非稳态问题中则展现出更高的精度与更强的泛化能力.该方法兼具物理一致性与数据驱动特性,为对流-扩散类偏微分方程数值解法提供了新思路.