加速动能福克-普朗克模拟的GPU原生深度神经网络代理：高超声速与稀薄流动的物理闭合新范式
本文深度解析了一种利用GPU原生深度神经网络（DNN）代理加速三次福克-普朗克（cubic-FP）闭合求解的方法。通过CuPy在GPU内实现零拷贝的前向传播，该方法在保证宏观物理一致性和熵保真度的同时，实现了高达3.85倍的在线加速，为高超声速和稀薄流动模拟提供了全新的物理解释性与计算效率双赢方案。
本文深度解析了一种利用GPU原生深度神经网络（DNN）代理加速三次福克-普朗克（cubic-FP）闭合求解的方法。通过CuPy在GPU内实现零拷贝的前向传播，该方法在保证宏观物理一致性和熵保真度的同时，实现了高达3.85倍的在线加速，为高超声速和稀薄流动模拟提供了全新的物理解释性与计算效率双赢方案。