强激光与粒子束

作者：夏治洋, 旷圆圆, 卢艳, 杨名,

关键词：卷积神经网络, 烧蚀瑞利-泰勒不稳定性, 高分辨率重建, 多重时间路径, 池化,

高分辨率流场数据在气象学、航空航天工程、高能物理等领域有着重要的应用价值。实验和数值模拟是两种获取高分辨率流场数据的主要途径。但是高昂的实验成本和仿真计算资源阻碍了研究者对流场演化的具体分析。随着深度学习技术的发展，卷积神经网络被用来实现流场的高分辨率重建。针对烧蚀瑞利-泰勒不稳定性流场重建提出了普通卷积神经网络模型和多重时间路径卷积神经网络模型。这两个模型可以在很短的时间内对流场进行高分辨率重建，极大地丰富了高分辨率重建技术在流体不稳定性研究中的应用。与普通卷积神经网络相比，多重时间路径卷积神经网络模型的误差较小，可以还原流场的更多细节。此外，还讨论了用于获取低分辨率流场的不同池化方法对卷积神经网络模型性能的影响。

来源：2024年第12期

《强激光与粒子束》期刊编辑部

查看强激光与粒子束杂志2024年第12期