Physics-informed neural networks for acoustic wave propagation

Ružička, Marek, Štancel, Martin, Imrich, Miroslav, Havrysh, Dmytro (2025) Physics-informed neural networks for acoustic wave propagation In: Proceedings of the International Conference on Formal Methods and Foundations of Artificial Intelligence. Eger, Eszterházy Károly Catholic University. pp. 174-187.

pdf fmfai2025_pp174-187.pdf Download (1MB) [error in script]

Absztrakt (kivonat)

Acoustic wave propagation plays a fundamental role in various scientific and engineering disciplines, including medical imaging, seismology, and acoustics. Traditional numerical methods such as the Finite Element Method (FEM) and Finite Difference Method (FDM) are widely used to model these waves [5, 24], but they often suffer from computational inefficiencies, especially for high-dimensional problems or complex geometries. This work explores the application of Physics-Informed Neural Networks (PINNs) as an alternative approach, leveraging deep learning to solve wave equations efficiently [14]. PINNs integrate physical laws directly into the neural network’s loss function, enabling solutions that adhere to the governing differential equations. We present a comparative analysis of PINNs with traditional numerical solvers, highlighting advantages, limitations, and potential improvements. Our experiments demonstrate that PINNs can effectively model wave propagation with comparable accuracy while reducing computational cost in certain scenarios.

Mű típusa:	Könyvrészlet - Book section
Szerző:	Szerző neve Email MTMT azonosító ORCID azonosító Közreműködés Ružička, Marek NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző Štancel, Martin NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző Imrich, Miroslav NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző Havrysh, Dmytro NEM RÉSZLETEZETT NEM RÉSZLETEZETT NEM RÉSZLETEZETT Szerző
Megjegyzés:	The research was partially supported by the Slovak Academy of Sciences under Grant VEGA 1/0685/23, and partly by the Slovak Research and Development Agency under the project APVV SK-CZ-RD-21-0028.
Kapcsolódó URL-ek:	Befoglaló kötet
Nyelv:	angol
DOI azonosító:	10.17048/fmfai.2025.174
Felhasználó:	Tibor Gál
Dátum:	28 Okt 2025 10:40
Utolsó módosítás:	28 Okt 2025 10:40
URI:	http://publikacio.uni-eszterhazy.hu/id/eprint/8813

Műveletek (bejelentkezés szükséges)

Tétel nézet