[发明专利]一种用于流体仿真的图神经网络仿真方法及系统

权利要求书

1.一种用于流体仿真的图神经网络仿真方法，其特征在于，包括：

模拟流体粒子动态过程，并将流体粒子动态过程分割成L个时间步的静态流体粒子结构，并获取L个时间步的动态特征信息；

将L个时间步的静态流体粒子结构构造图结构；

根据当前时间步上的图结构，采用仿真模拟器学习一个参数化的函数近似器，模拟流体粒子的动态变化；所述仿真模拟器以当前时间步上的图结构，以及光滑粒子法模拟的当前时间步的动态特征信息和下一个时间步上的动态特征信息作为输入，通过参数化的函数近似器，预测下一时间步上的流体粒子特征向量；所述流体粒子特征向量包括：流体粒子的速度或加速度。

2.根据权利要求1所述的一种用于流体仿真的图神经网络仿真方法，其特征在于，所述模拟流体粒子动态过程，并将流体粒子动态过程分割成L个时间步的静态流体粒子结构，并获取L个时间步的流体粒子特征向量，之前还包括：

采用光滑粒子法获取流体粒子动态过程。

3.根据权利要求1所述的一种用于流体仿真的图神经网络仿真方法，其特征在于，所述仿真模拟器为对抗自编码器；

所述仿真模拟器包括：图编码器和图鉴别器。

4.根据权利要求3所述的一种用于流体仿真的图神经网络仿真方法，其特征在于，所述图编码器包括：L个编码器；

每个所述编码器使用多头注意力机制；每个所述编码器包括：R层自注意力层、一层全连接层和R+1层归一化层；

其中，每一层自注意力层均以Relu作为激活函数，每一层自注意层后面均添加一层归一化层；在R层自注意力层后添加一层全连接层，并在全连接层后添加归一化层；将流体粒子特征向量嵌入到128维的潜在向量中。

5.根据权利要求3所述的一种用于流体仿真的图神经网络仿真方法，其特征在于，所述图鉴别器包括：两层注意力层、两层归一化层和一层输出层；

每一层自注意力层后均添加一层归一化层；输出层将粒子特征映射到一维空间，并使用Sigmoid作为激活函数。

6.一种用于流体仿真的图神经网络仿真系统，其特征在于，包括：

数据处理模块，用于模拟流体粒子动态过程，并将流体粒子动态过程分割成L个时间步的静态流体粒子结构，并获取L个时间步的动态特征信息；

图构造模块，用于将L个时间步的静态流体粒子结构构造图结构；

图仿真模块，用于根据当前时间步上的图结构，采用仿真模拟器学习一个参数化的函数近似器，模拟流体粒子的动态变化；所述仿真模拟器以当前时间步上的图结构，及光滑粒子法模拟的当前时间步的动态特征信息和下一个时间步上的动态特征信息作为输入，通过参数化的函数近似器，预测下一时间步上的流体粒子特征向量；所述流体粒子特征向量包括：流体粒子的速度或加速度。

7.根据权利要求6所述的一种用于流体仿真的图神经网络仿真系统，其特征在于，还包括：

流体粒子动态过程获取模块，用于采用光滑粒子法获取流体粒子动态过程。

8.根据权利要求6所述的一种用于流体仿真的图神经网络仿真系统，其特征在于，所述仿真模拟器为对抗自编码器；

所述仿真模拟器包括：图编码器和图鉴别器。