1. 首页  /  学术报告
学术报告

Solar System Seminar: 深度算子神经网络高效模拟小行星表面温度以及雅科夫斯基效应

发布时间：2024-07-24

报告题目：Solar System Seminar: 深度算子神经网络高效模拟小行星表面温度以及雅科夫斯基效应

时间：7月24日（周三）10:00
地点：三楼小会议室
题目：深度算子神经网络高效模拟小行星表面温度以及雅科夫斯基效应
摘要：表面温度分布对于太阳系中不规则小行星的研究至关重要。对热物理模型进行数值模拟求解温度是常用的方法，但这需要花费大量的时间，尤其是那些需要反复大量计算温度分布的课题，这直接阻碍了相关问题的研究进展。为此，我们引入了拥有高效计算能力和强大泛化能力的深度算子神经网络（DeepONet）来解决此类问题。实际测试表明DeepONet在生成表面温度分布方面具有极低的计算成本、较高水平的精确度、强大的泛化能力。进一步地，其在雅科夫斯基效应参数空间分析，与N体系统中精确雅科夫斯基效应下小行星轨道演化的应用表明DeepONet拥有强大的实用性，可以解放计算限制，提高相关工作的效率，并且将部分难以解决的问题变得容易。
报告人：赵舜景，南京大学天文与空间科学学院2022级硕士生，导师是南京大学天文与空间科学学院副教授雷汉伦。目前的研究方向是天体动力学，摄动理论，深度学习在行星科学中的应用。已完成4篇学术论文，其中2篇已被接收。

附件下载：

学术报告
版权所有 © 中国科学院上海天文台　沪ICP备05005481号-1
地址：上海市南丹路80号　邮编：200030　邮件：shao@shao.ac.cn