一类耦合模型双参数反演的正则化PINNs算法
来源：吉林大学学报·理学版杂志2025年第5期北京时间：
作者：周琴, 徐定华
单位：浙江理工大学 理学院, 杭州 310018
摘要：讨论一类温度场-结晶耦合模型的双参数反问题, 提出稳定化数值算法, 以识别成核率和生长速率, 并验证算法的抗噪性. 将耦合模型嵌入深度神经网络的损失函数中, 基于最小化损失函数更新神经网络参数, 得到正问题的近似解； 针对反问题, 构造带正则化项的损失函数, 提出正则化物理信息神经网络(PINNs)算法. 数值结果表明, 正则化PINNs算法可有效求解温度场-结晶耦合模型的反问题, 且具有抗噪稳定性.
关键词：温度场-结晶耦合模型,反问题,正则化PINNs算法,成核率-生长速率反演
