公开(公告)号：CN120012624A

公开(公告)日：2025-05-16

申请号：CN202510504665.4

申请日：2025-04-22

Applicant: 浙江大学

Inventor： 倪涛 ,  张杰 ,  熊诗颖 ,  汤劲松

IPC: G06F30/27 ,  G06F30/28 ,  G06N3/0464 ,  G06F119/14 ,  G06F119/10 ,  G06F113/08

Abstract: 本发明提供一种基于金茨堡‑朗道理论的流场降噪方法、系统和设备，方法包括：基于克莱布什方法根据薛定谔方程获取流场的波函数演化数据及对应的速度场，得到速度场和波函数初始数据集；向初始数据集中速度场部分加入噪声，得到噪声数据集；构建神经网络模型，将金茨堡‑朗道能量泛函引入神经网络模型的损失函数；利用噪声数据集对神经网络模型进行训练，得到训练好的神经网络模型；利用训练好的神经网络模型对给定噪声速度场进行降噪，得到降噪的速度场。本发明通过将GL理论和神经网络结合，能够从噪声速度场中找到对应波函数，并完成降噪，重建降噪的速度场数据，并保证降噪的流场符合物理规律和实际应用的需求。

公开(公告)号：CN119720758A

公开(公告)日：2025-03-28

申请号：CN202411774633.8

申请日：2024-12-05

Applicant: 浙江大学 ,  北京大学 ,  浣江实验室

Inventor： 熊诗颖 ,  杨越 ,  赵耀民 ,  汤劲松 ,  王紫腾 ,  熊嘉 ,  张杰

IPC: G06F30/27 ,  G06F17/11 ,  G06N3/04 ,  G06N10/60 ,  G06F119/14

Abstract: 本发明提出了一种二维量子化涡动力学的神经网络预测方法及设备，方法包括以下步骤：S1.针对待预测流场，确定其二维涡动力学方程，将二维涡动力学方程转换为量子系统的薛定谔方程；S2.根据薛定谔方程获取量子系统的波函数演化数据，生成波函数数据集；S3.构建全连接层神经网络模型，对全连接层神经网络模型进行相位积分；S4.在全连接神经网络模型中引入归一化因子；S5.利用波函数数据集对全连接层神经网络模型进行训练；S6.利用训练好的全连接层神经网络模型根据给定初始值进行波函数预测；S7.将预测得到的波函数转换为流场演化。根据本发明提供的方法，能够在对薛定谔系统的预测中保证系统的守恒律，从而在长时段内保证流场预测的精度。