شبكات عصبية مدفوعة بالفيزياء: ثورة في دمج التضاغط الإلكتروأسموزي مع تحميل الفراغ والتحميل الزائد!

تتقدم الأبحاث الحديثة بخطوات واسعة نحو استخدام الشبكات العصبية المدفوعة بالفيزياء (Physics-informed Neural Networks - PINN) في مجالات متعددة، ومن بينها تكامل عمليات التضاغط الإلكتروأسموزي. في دراسة حديثة، تم تطوير إطار عمل بعدي متعدد المجالات يركز على عمليات التضاغط المدفوعة بالفيزياء، مع الأخذ بعين الاعتبار تأثيرات التلطيخ ودمج تحميل الفراغ والتحميل الزائد.

وتتضمن الدراسة ثلاثة نماذج تعتمد على الشبكات العصبية المدفوعة بالفيزياء: النموذج القياسي (Std-PINN)، والنموذج المعدل ذو البوابات (Mod-PINN)، والنموذج المعدل ذو البوابات مع ترميز الحد الصلب (Mod-HC-PINN). وقد تم تقييم هذه النماذج مقارنةً بالحلول المرجعية التي تم الحصول عليها باستخدام طريقة العناصر المحدودة (FEM) تحت أربعة حالات تحميل مختلفة، بما في ذلك تحميل الفراغ الثابت والتحميل المتزايد.

تشير النتائج إلى أن الهيكل ذو البوابات المستخدم في النموذج المعدل (Mod-PINN) يحسن من دقة النماذج حول تدرجات الضغط الحادة القريبة من الكاثود وواجهة منطقة التلطيخ أثناء تحميل الفراغ الثابت. ومع ذلك، في حالات التحميل المعتمد على الزمن، تجد أن النموذج ذو القيود الناعمة (Mod-PINN) يعاني من انخفاض في الدقة نظراً لاضطراره للتعامل مع عدة أهداف متنافسة في نفس الوقت.

لكن النموذج المعدل ذو القيود الصلبة (Mod-HC-PINN) استطاع تقليل هذه المشكلة من خلال تضمين حدود الكاثود وظروف البداية في هيكل النتيجة، الأمر الذي ساهم في تقليل عبء الأمثل وتحسين الاتساق الفيزيائي. حقق النموذج (Mod-HC-PINN) قيم خطأ متوسطة تصل إلى 0.43، 0.41، و0.27 كيلو باسكال لحالات التحميل بالفراغ المتزايد، والتحميل المتزايد، والتحميل المتناوب، على التوالي.

تظهر تحليلات الحساسية أن الإطار المقترح يظل قوياً عبر النطاقات العملية لتصميم الشبكات وكثافة النقاط، وتباين النفاذية، مما يؤكد على إمكانية تطبيقه بشكل واسع في الأبحاث المستقبلية.