Аналитические оценки с использованием нейросетевого метода для волновых решений объединённого дифференциального уравнения Kairat‑II‑X в механике жидкости

Почему волны и нейросети важны

От океанских волн и вспышек плазмы до световых импульсов в оптических волокнах — во многих природных и техногенных системах возникают волны, поведение которых далеко от простой линейной модели. Эти «нелинейные» волны могут образовывать резкие одиночные импульсы, повторяющиеся структуры или сложные локализованные образования, существенно влияющие на перенос энергии и устойчивость. В статье, кратко изложенной здесь, исследуется, как новый математический приём на основе нейронных сетей может выявлять точные волновые спектры в конкретной нелинейной волновой модели, применимой в механике жидкости и смежных областях.

Особое уравнение для сложных волн

Авторы сосредоточились на математической модели, называемой объединённым уравнением Kairat‑II‑X. Это уравнение объединяет два предыдущих волновых уравнения (Kairat‑II и Kairat‑X) в единую схему, которая описывает, как распространяются и распространяются возмущения в средах, таких как жидкости, плазма или нелинейные оптические материалы. В отличие от простых учебных моделей, эта система включает несколько конкурирующих эффектов — дисперсию, нелинейность и геометрические ограничения — которые вместе способны порождать широкий спектр форм волн. Понимание её точных решений помогает предсказывать, когда импульс останется устойчивым, разрушится или вступит во взаимодействие с другими волнами неожиданными способами.

Использование нейросетей как точных вычислителей

В традиционном машинном обучении нейросети обучаются на данных для аппроксимации неизвестных функций, и их внутренняя структура остаётся во многом непрозрачной. Здесь авторы меняют этот подход: они проектируют небольшие, тщательно структурированные нейросети, чьи выходы записываются явно в виде математических формул. Вместо обучения методом проб и ошибок они выбирают функции активации — гиперболические тангенсы, экспоненты, синусы, косинусы и родственные функции — которые уже известны как базовые компоненты волновых решений. Эти выражения сети затем подставляются непосредственно в уравнение Kairat‑II‑X. Потребовав точного выполнения уравнения, команда получает алгебраические соотношения для весов и смещений сети. Решение этих соотношений даёт закрытые аналитические выражения для волн — точные решения, а не численные приближения.

Улучшенная сеть, вдохновлённая новой математикой

Чтобы расширить спектр возможных волн, авторы вводят «улучшённую» архитектуру нейросети, вдохновлённую сетями Колмогорова–Арнольда, недавним развитием теории, согласно которому любая многомерная функция может быть построена из повторных комбинаций однопеременных функций и операций сложения. На практике это означает, что вместо простых фиксированных функций активации в каждом нейроне они допускают более сложные сочетания и композиции функций на связях сети. Эта дополнительная гибкость позволяет описывать более экзотические формы волн с меньшим числом параметров. В результате получается метод символического вычисления, который сочетает классический математический анализ с современными структурами нейросетей, реализованный в системе компьютерной алгебры Maple.

Разнообразие волновых форм

Применяя базовые и улучшенные конструкции нейросетей, авторы получают большое семейство точных решений объединённого уравнения Kairat‑II‑X. Сюда входят тёмные солитоны (локализованные провалы на фоне однородного поля), сингулярные солитоны (волны с очень острыми или расходящимися пиками), периодические волны и гибриды, такие как «breather» — волны, испытывающие колебания по пространству и времени. Они также находят lump‑решения — изолированные холмистые структуры — и смешанные формы, где холмистые образования сосуществуют с периодическим фоном или одиночными импульсами. Подбирая разные значения параметров в уравнении и в сети, можно настраивать скорость движения этих структур, их ширину и характер взаимодействий. В работе эти поведения иллюстрируются серией трёхмерных поверхностей, карт уровней и плотностных графиков, показывающих эволюцию волн в пространстве и времени.

Что это значит для реальных систем

Хотя работа носит заметно математический характер, её последствия практичны. Многие продвинутые модели в гидродинамике, физике плазмы и нелинейной оптике имеют сходные особенности с уравнением Kairat‑II‑X и традиционно трудно поддаются решению. Авторы демонстрируют, что нейросети, используемые не как чёрные ящики‑предсказатели, а как структурированные символические инструменты, могут систематически генерировать новые точные волновые решения. Эти решения проясняют, как энергия и импульс перемещаются в нелинейных средах и как возникают или взаимодействуют различные типы волновых паттернов. Проще говоря, исследование предлагает новый рецепт применения идей нейросетей для решения сложных волновых уравнений, открывая возможности для анализа и управления сложными волновыми явлениями в инженерии и физике.

Цитирование: Zhou, P., Manafian, J., Lakestani, M. et al. Analytical evaluations using neural network-based method for wave solutions of combined Kairat-II-X differential equation in fluid mechanics. Sci Rep 16, 7753 (2026). https://doi.org/10.1038/s41598-026-38761-8

Ключевые слова: нелинейные волны, нейронные сети, солитоны, механика жидкости, математическая физика