PI-DeepONet模型

背景

传热学是能源、航空航天、电子器件等领域工程计算的核心基础。热传导问题的传统数值求解方法如有限元法、有限差分法在处理高维问题、多尺度耦合或参数化场景时存在计算成本高、网格依赖性强等瓶颈。

方法

PI-DeepONet将物理信息约束（Physics-Informed）融入DeepONet算子学习框架，通过在损失函数中嵌入传热方程残差项，确保神经网络预测严格满足热传导物理定律。采用分支网络编码边界条件与物理参数，主干网络处理空间坐标，协同学习从输入函数到温度场的非线性映射关系。

应用

该模型已应用于稳态/瞬态热传导分析、电子设备散热优化、航空发动机热防护设计及多物理场耦合仿真等工程场景。在百度AI Studio平台提供完整的训练推理工具链，支持用户快速部署传热学AI求解器，显著降低工程仿真计算成本。