Faster Thermal Profiling of a Lunar Rover with Machine Learning Adapted Finite Difference Model

En 3 lignesUn framework de machine learning informé par la physique (PIML) pour modéliser thermiquement un rover lunaire. Un réseau de neurones adaptatif détermine le maillage 3D en différences finies selon les charges thermiques, améliorant la précision de 50% vs modèles coarse-mesh et 39% vs ANN pur, tout en étant 3x plus rapide que les simulations haute-fidélité.

Résumé généré par Claude — vérifié par l'humain