典型文献
基于深度学习的无碰撞引力N体数值模拟的可行性研究
文献摘要：
提出了用深度神经网络代替快速傅里叶变换法求解无碰撞引力N体数值模拟方法PM-Tree(Partical Mesh Tree)中的势能,以提升PM-Tree方法的效率,验证深度学习方法加速无碰撞引力N体数值模拟的可行性.无碰撞引力N体数值模拟对研究星系、暗物质晕以及宇宙大尺度结构的形成和演化有重要意义.无碰撞引力N体数值模拟的传统方法在大规模问题上的模拟计算非常耗时,其中PM-Tree方法的主要耗时部分是求解势能.使用深度神经网络代替传统方法加速求解泊松(Poisson)方程,多次调整并训练和测试深度神经网络模型结构,最终选用辅以残差网络局部结构的编码-解码器(Encoder-Decoder)整体结构.验证了深度神经网络解泊松方程的计算时间复杂度为O(N).同样数据下进行测试,速度高于快速傅里叶变换法和有限差分法求解;在同等采样率的情况下,精度优于快速傅里叶变换法求解,并且具有可扩展性.无碰撞引力N体数值模拟中,用深度神经网络可以提高PM-Tree方法中求解势能的速度,从而有效提高整体模拟速度.
文献关键词：
泊松方程;引力N体数值模拟;深度神经网络
中图分类号：
作者姓名：
赵梓成;龙潜;董小波;孟润宇;钟诗言;谌俊毅;向梓琨
作者机构：
中国科学院云南天文台,云南 昆明 650216;中国科学院大学,北京 100049;中国科学技术大学物理学院,安徽 合肥 230026
文献出处：
引用格式：
[1]赵梓成;龙潜;董小波;孟润宇;钟诗言;谌俊毅;向梓琨-.基于深度学习的无碰撞引力N体数值模拟的可行性研究)[J].天文研究与技术－国家天文台台刊,2022(02):165-178
A类：
暗物质晕
B类：
可行性研究,快速傅里叶变换法,数值模拟方法,PM,Tree,Partical,Mesh,势能,深度学习方法,星系,大尺度,尺度结构,大规模问题,使用深度,Poisson,深度神经网络模型,模型结构,残差网络,局部结构,解码器,Encoder,Decoder,整体结构,泊松方程,计算时间,时间复杂度,有限差分法,采样率,可扩展性
AB值：
0.274723
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
