语言:

• 英文 管道标签: 无条件图像生成

🌀 伯格斯方程反问题 - 深度学习模型

📌 项目概述

本项目专注于利用深度学习解决伯格斯方程的反问题。 项目目标是根据初始条件或基础物理参数来估算液体的速度演变过程。 我们的模型采用UNet2D进行特征提取，并利用MLP进行参数回归。

🚀 应用场景

通过学习模拟伯格斯方程数据，该模型能够：

• 🔄 根据初始条件预测速度随时间的发展变化
• 🔍 估算隐藏的物理参数（如粘度系数）
• ⚡ 用基于深度学习的近似方法替代计算成本高昂的模拟过程
• 🧩 通过使用掩码输入推断缺失速度场，处理不完整数据

运行模拟

项目使用Phiflow库来实施扩散和平流过程——随时间演化速度场。扩散通过随时间扩散量值来平滑场中的变化，而平流是一种逆向技术，即使采用大时间步长也能确保稳定性。

📊 数据集信息

数据集包含模拟速度场及其对应的物理参数。

数据集划分

数据格式

每个样本包含：

• 输入： 二维速度场 ( u(x,t) )（张量格式）
• 输出： 对应物理参数（如粘度系数 ( \nu )）

⚙️ 模型使用指南

安装说明

确保已安装依赖项：

pip install torch torchvision transformers