如何使用 PINN 求解 Navier-Stokes 逆问题

一项研究构建了一个基于 PyTorch 的物理信息神经网络，用于从血管内 40 个带噪声的离散速度测量点中，重建完整的血流场和壁面剪切应力。该 PINN 将流体粘度作为可学习参数，成功反演了狭窄血管后的逆流区域，其壁面剪切应力结果与 CFD 参考解高度吻合。这是关于 PINN 在血流模拟中应用的系列文章的第一篇，涵盖了 Navier-Stokes 残差、可学习粘度等核心内容。