1 documents found
Registration Number

2125U000692, Article

popup.category

Стаття, Опубліковано, Рецензована стаття

Title

Physics-Informed Neural Networks in Aerospace: A Structured Taxonomy with Literature Review

popup.author

Ткачов Юрій
Мурашко Олег
Tkachov Yurii
Murashko Oleh

popup.publication

24-06-2025

popup.source_user

Дніпровський національний університет імені Олеся Гончара

popup.source

https://cims.fti.dp.ua/j/article/view/313

popup.publisher

Oles Honchar Dnipro National University

Description

Мета. Це дослідження має на меті розробити структуровану чотирирівневу таксономію, яка систематично впорядковує задачі аерокосмічної інженерії, придатні для застосування Physics-Informed Neural Networks (PINNs), водночас забезпечуючи верифікацію такої класифікації через огляд літератури та виявлення потенціалу для подальшого розвитку. Дизайн / Метод / Підхід. Методологія ґрунтується на групуванні задач за чотирма рівнями — Фізичні, Динамічні, Функціональні та Системний аналіз — відповідно до їхніх фізичних, операційних і системних характеристик. Після цього здійснено аналіз 145 рецензованих джерел, що дозволило заповнити кожну категорію реальними прикладами застосування PINNs. Результати. Рецензована література демонструє рівномірну представленість усіх рівнів таксономії. Наявність підтверджених застосувань PINNs навіть у раніше недооцінених напрямах, зокрема акустиці, оптиці та екологічному моделюванні, свідчить про широку сферу охоплення методу та вимагає переосмислення поточних уявлень про межі його застосування. Теоретичне значення. Запропонована таксономія надає інструмент систематизації міждисциплінарних застосувань PINNs, інтегруючи фізичне моделювання з машинним навчанням у контексті складних інженерних задач. Практичне значення. Таксономія забезпечує дослідників практичним орієнтиром для вибору PINNs залежно від типу задачі, підтримуючи ефективність обчислень та підвищуючи якість прогнозування у процесах аналізу та проєктування в аерокосмічній галузі. Оригінальність / Цінність. Унікальність роботи полягає в побудові та емпіричній перевірці цілісної чотирирівневої таксономії застосування PINNs, що дозволяє системно охопити актуальні дослідження у галузі, замість фрагментарного представлення, притаманного попереднім оглядам. Обмеження дослідження / Майбутні дослідження. Незважаючи на повноту охоплення, подальші дослідження мають бути спрямовані на інтеграцію нових рівнів, зокрема пов’язаних із виробничими параметрами, а також на стандартизацію методологій для забезпечення відтворюваності та масштабованості PINNs. Тип статті. Огляд. PURL: https://purl.org/cims/4.313

popup.nrat_date

2025-07-17

Article
Стаття
Опубліковано
Рецензована стаття
Physics-Informed Neural Networks in Aerospace: A Structured Taxonomy with Literature Review
Ткачов Юрій. Physics-Informed Neural Networks in Aerospace: A Structured Taxonomy with Literature Review : published. 2025-06-24; Дніпровський національний університет імені Олеся Гончара, 2125U000692
1 documents found

Updated: 2025-08-31


Роздрукувати цю сторінку