CMAME多孔材料PINN新突破: 多孔材料输运模型的自适应反演PINN

本文提出了一种自适应逆向物理信息神经网络（自适应反PINN）架构，用于解决多孔材料中的输运模型反问题。研究背景是多孔介质输运参数（如扩散系数、渗透率等）的直接测量困难，而传统反演方法存在计算成本高或不适定性等问题。研究目的是开发一种基于PINN的自适应反演方法，通过动态调整损失函数权重和参数梯度，实现对多孔介质输运参数的高效、鲁棒估计。该方法在纯扩散、平流-扩散及移动-固定相等多种模型中得到验证，结果表明该架构能准确反演最多三个参数，且对初始值不敏感。结论表明自适应反PINN在多孔介质输运参数反演中具有可扩展性、鲁棒性和高效性，为复杂输运问题提供了新的解决方案。