黏性指紋

深度分析

DeepFingers：結合 FNO 與 DeepONet 緩解黏性指紋模擬的頻譜偏差

研究以黏性指紋為例揭示人工智慧在不穩定流場會產生視覺合理但物理不成立的「幻覺」。作者提出 DeepFingers，結合 Fourier Neural Operator 與 DeepONet 並加入多尺度 U-FNO 結構，透過時間與黏度比條件化學習全頻譜模式。結果顯示新架構能重現指尖分裂與通道化並維持混合度量，強化物理一致性並提示模型設計須重視頻譜偏差。