物理信息图神经网络

百倍快于CFD

稀疏传感器数据即可高精度预测氢射流与扩散，将物理约束直接嵌入图网络训练。

Zhang, Xinqi · Shi, Jihao · Li, Junjie · Huang, Xinyan · Fu, Xiao · Wang, Qiliang · Usmani, Asif S. · 陈国明

Renewable and Sustainable Energy Reviews 2025

参数信息

预测精度提升

1000 ×

预测速度提升

100 ×

技术优势

精度提升千倍

将控制方程残差纳入图网络训练，因此预测精度比现有物理信息神经网络高1000倍。

速度百倍于CFD

图网络在每个节点直接求解氢射流扩散，因此预测速度比CFD模拟快100倍。

稀疏传感器就够

利用图网络建模传感器数据与控制方程之间的空间依赖关系，因此仅需稀疏传感器数据即可预测。

应用场景

• 氢安全监测：根据氢浓度与速度场实时预警泄漏风险，无需复杂CFD建模。
• 氢射流扩散预测：从稀疏传感器数据直接获得浓度和速度场，替代繁重的CFD仿真。
• 计算流体力学加速：以百倍于CFD的速度完成预测，用于快速安全设计和迭代。