Buchumschlag

Investigation of Numerical Diffusion in Aerodynamic Flow Simulations with Physics Informed Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Warey, Alok, Han, Taeyoung, Kaushik, Shailendra
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Fluid Dynamics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Numerical Simulation and Aerodynamic Optimization of Two-Stage Axial High-Pressure Turbine Blades
von: Hosseini, Seyed Ehsan, et al.
Veröffentlicht: (2024)

A Meshless Solver for Blood Flow Simulations in Elastic Vessels Using Physics-Informed Neural Network
von: Zhang, Han, et al.
Veröffentlicht: (2023)

Physics-Informed Neural Networks for Transonic Flows around an Airfoil
von: Wassing, Simon, et al.
Veröffentlicht: (2024)

Numerical Investigation of Diffusion Flame in Transonic Flow with Large Pressure Gradient
von: Zhu, Yalu, et al.
Veröffentlicht: (2023)

Enhancing Arterial Blood Flow Simulations through Physics-Informed Neural Networks
von: Bhargava, Shivam, et al.
Veröffentlicht: (2024)

NeuralFoil: An Airfoil Aerodynamics Analysis Tool Using Physics-Informed Machine Learning
von: Sharpe, Peter, et al.
Veröffentlicht: (2025)

Identification of Settling Velocity with Physics Informed Neural Networks For Sediment Laden Flows
von: Delcey, Mickaël, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks for Weakly Compressible Flows Using Galerkin-Boltzmann Formulation
von: Aygun, Atakan, et al.
Veröffentlicht: (2024)

Physics Informed Neural Networks for Free Shear Flows
von: Raghu, Siddharth, et al.
Veröffentlicht: (2024)

Sparse-Supervised Hybrid Parameterized Physics-Informed Neural Networks for Incompressible Flows Across Reynolds Numbers
von: Jangir, A., et al.
Veröffentlicht: (2026)

Finite Volume Physical Informed Neural Network (FV-PINN) with Reduced Derivative Order for Incompressible Flows
von: Su, Zijie, et al.
Veröffentlicht: (2024)

Physics-Informed Neural Networks for Multi-Phase Flow in Porous Media Considering Dual Shocks and Interphase Solubility
von: Zhang, Jingjing, et al.
Veröffentlicht: (2024)

An Efficient Wavelet-based Physics Informed Residual Neural Networks for Flow Field Reconstruction with Extremely Sparse Data
von: Barman, Biswanath, et al.
Veröffentlicht: (2026)

ELPINN: Eulerian Lagrangian Physics-Informed Neural Network
von: Thakur, Sukirt, et al.
Veröffentlicht: (2025)

Investigation of Compressor Cascade Flow Using Physics- Informed Neural Networks with Adaptive Learning Strategy
von: Li, Zhihui, et al.
Veröffentlicht: (2023)

Reduction of Outflow Boundary Influence on Aerodynamic Performance using Neural Networks
von: Bedrunka, Mario Christopher, et al.
Veröffentlicht: (2025)

Real-time and On-site Aerodynamics using Stereoscopic PIV and Deep Optical Flow Learning
von: Elrefaie, Mohamed, et al.
Veröffentlicht: (2024)

Numerical Investigation of the Effect of an Oblique Flow Entry on the Pressure Losses in Square Channels
von: Samuels, Callum, et al.
Veröffentlicht: (2025)

A Discrete Adjoint Gas-Kinetic Scheme for Aerodynamic Shape Optimization in Turbulent Continuum Flows
von: Wu, Hangkong, et al.
Veröffentlicht: (2026)

Physics-Informed Neural Networks for the Korteweg-de Vries Equation for Internal Solitary Wave Problem: Forward Simulation and Inverse Parameter Estimation
von: Kang, Ming, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Networks for Enhanced Interface Preservation in Lattice Boltzmann Multiphase Simulations
von: Li, Yue, et al.
Veröffentlicht: (2025)

Physics-Informed Neural Network Approaches for Sparse Data Flow Reconstruction of Unsteady Flow Around Complex Geometries
von: Malineni, Vamsi Sai Krishna, et al.
Veröffentlicht: (2025)

Using Physics Informed Neural Network (PINN) and Neural Network (NN) to Improve a $k-ω$ Turbulence Model
von: Davidson, Lars
Veröffentlicht: (2025)

Aerodynamic consequences of wing damage in dragonflies
von: Yu, Peng, et al.
Veröffentlicht: (2025)

Modal Force Partitioning -- A Method for Determining the Aerodynamic Loads for Decomposed Flow Modes with Application to Aeroacoustic Noise
von: Prakhar, Suryansh, et al.
Veröffentlicht: (2025)

A Provably Robust Multi-Jet Framework applied to Active Flow Control of an Airfoil in Weakly Compressible Flow
von: Kaushik, Rohan, et al.
Veröffentlicht: (2026)

An approximate Riemann solver approach in Physics-Informed Neural Networks for hyperbolic conservation laws
von: Urbán, Jorge F., et al.
Veröffentlicht: (2025)

Aerodynamics and Aeroacoustics of da Vinci's Aerial Screw
von: Prakhar, Suryansh, et al.
Veröffentlicht: (2025)

Extreme Aerodynamics: A Data-Driven Perspective
von: Taira, Kunihiko
Veröffentlicht: (2025)

Physics Informed Neural Network-based Computational Method for Accelerating Time-Periodic Unsteady CFD Simulations
von: Chaplot, Lakshya, et al.
Veröffentlicht: (2026)

A Framework of Data Assimilation for Wind Flow Fields by Physics-informed Neural Networks
von: Yan, Chang, et al.
Veröffentlicht: (2024)

Predictive Criteria for Electrospray-Assisted Droplet Dynamics in Aerodynamic Flow Fields
von: Kahn, Ethan
Veröffentlicht: (2025)

Invariant Control Strategies for Active Flow Control using Graph Neural Networks
von: Kurz, Marius, et al.
Veröffentlicht: (2025)

Numerical Simulation of the Cleaning Process of Microchannel by an External Flow
von: Maryshev, Boris S., et al.
Veröffentlicht: (2025)

Analysis of In-cylinder Flow Structures and Turbulence in a Laboratory Scale Engine using Direct Numerical Simulations
von: Danciu, Bogdan A., et al.
Veröffentlicht: (2025)

On the Energy Analysis of Two-phase Flows Simulated with the Diffuse Interface Method
von: Mostafavi, Ali, et al.
Veröffentlicht: (2025)

Internal Aerodynamics of Supersonic Crossflows with Transverse Liquid Injection
von: V V, Srinivas M, et al.
Veröffentlicht: (2025)

Meta-PINNs: Meta-Learning Enhanced Physics-Informed Machine Learning Framework for Turbomachinery Flow Predictions under Varying Operation Conditions
von: Han, Yuling, et al.
Veröffentlicht: (2026)

A Simple but Efficient Transformer-Based Physics-Informed Neural Network for Incompressible Navier--Stokes Equations
von: Barman, Biswanath, et al.
Veröffentlicht: (2026)

Discontinuity Computing using Physics-Informed Neural Network
von: Liu, Li, et al.
Veröffentlicht: (2022)