买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国空气动力研究与发展中心超高速空气动力研究所申请的专利一种频谱分离学习的多保真物理信息神经网络建模方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121581128B 。

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610100941.5，技术领域涉及：G06N3/08；该发明授权一种频谱分离学习的多保真物理信息神经网络建模方法是由汤洪伟;刘枫;杨诚成;李宇玻;吴岸平;郑应龙;蒋万秋;黄俊设计研发完成，并于2026-01-26向国家知识产权局提交的专利申请。

本一种频谱分离学习的多保真物理信息神经网络建模方法在说明书摘要公布了：本发明公开了一种频谱分离学习的多保真物理信息神经网络建模方法，涉及多保真代理模型建模领域，包括：S1、通过简单数值求解或CFD软件快速仿真计算得到与对应流场或物理场相对应的低精度数据；S2、构建包含傅里叶特征嵌入层的神经网络，采用低精度数据进行第一阶段训练，筛选得到高频傅里叶基；S3、构建多保真神经网络，并将神经网络的训练参数迁移至所述多保真神经网络中，并通过构建高频分支和低频分支得到频谱分离学习的双分支网络架构；S4、采用低精度数据结合相应的物理信息对多保真神经网络进行第二阶段训练。本发明能大幅减少对计算成本高昂、获取难度大的高保真数据的依赖，降低工程应用中的数据与计算成本。

本发明授权一种频谱分离学习的多保真物理信息神经网络建模方法在权利要求书中公布了：1.一种频谱分离学习的多保真物理信息神经网络建模方法，其特征在于，包括： S1、通过简单数值求解或CFD软件快速仿真计算，以得到与对应流场或物理场相对应的低精度数据； S2、构建包含傅里叶特征嵌入层的神经网络，所述神经网络采用低精度数据进行第一阶段训练，以基于傅里叶层的随机初始化筛选得到高频傅里叶基； S3、构建多保真神经网络，并将神经网络的训练参数迁移至所述多保真神经网络中以搭建傅里叶增强模块，所述傅里叶增强模块通过傅里叶基的自适应筛剪构建高频分支，基于神经网络天然的低频偏好构建低频分支，进而得到频谱分离学习的双分支网络架构； S4、采用低精度数据结合相应的物理信息对多保真神经网络进行第二阶段训练，通过双分支网络架构完成对流场内高精度数据的预测； S5、将S4得到的高精度数据应用飞行器的外形设计优化中； 其中，所述物理信息包括：密度，流体在x和y方向的速度分量u、v，压力p，总能量E； 在S2中，所述傅里叶特征嵌入层包含随机初始化参数，所述神经网络通过引入了门控因子g和掩码m来构建门控傅里叶变换，以通过动态阈值控制特征激活实现剪枝处理，为通过可训练矩阵B，将输入坐标x映射至高频空间生成的傅里叶组合特征； 其中，所述剪枝是通过计算所有门控因子的绝对值，并把满足的频率分量所对应掩码m设为0来实现； 在S2中，所述神经网络在第一阶段训练时的总损失函数Ⅰ通过下式进行表征： 上式中，为稀疏正则化损失，且，、分别为空间、时间门控因子，为正则系数权重，为元素级乘法，为L1范数，mx,mt分别为空间、时间的掩码，为数据拟合损失Ⅰ，且，MSE为均方误差，为参考真实值，为神经网络模型的预测输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国空气动力研究与发展中心超高速空气动力研究所，其通讯地址为：621000 四川省绵阳市涪城区二环路南段6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。