基于元學習的氣體放電等離子體電子Boltzmann方程數(shù)值求解

摘要： 在氣體放電等離子體中，電子的輸運行為可由Boltzmann方程精確描述，該方程的解是許多等離子體仿真模型的基礎。物理信息神經(jīng)網(wǎng)絡作為一種求解Boltzmann方程的新型方法，雖克服了傳統(tǒng)數(shù)值方法網(wǎng)格剖分和方程離散的缺陷，但其參數(shù)空間規(guī)模大，在求解多任務時訓練效率較低。為此，該文構建了一種基于元學習的雙循環(huán)物理信息神經(jīng)網(wǎng)絡，在內(nèi)循環(huán)中對多個Boltzmann方程求解任務進行優(yōu)化訓...