研究人员开发了神经算子代理来加速黑洞吸积的复杂天体物理模拟。这些模型，包括物理信息傅里叶神经算子（PINO）和OFormer风格的Transformer神经算子，使用来自黑洞吸积代码（BHAC）的数据进行训练。PINO模型成功学会了预测特殊相对论电阻磁流体动力学（MHD）场景中的等离子体团形成，这是仅数据基线模型无法实现的壮举。OFormer模型直接应用于自适应网格，用于模拟相对论性喷流，标志着神经算子在此背景下的新颖应用。 AI
影响 神经算子代理可以显著加速复杂的や天体物理模拟，从而能够更广泛地探索黑洞研究的参数空间。
排序理由 这是一篇详细介绍神经算子在や天体物理模拟中应用的や研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.25985v1 Announce Type: cross Abstract: General-relativistic magnetohydrodynamic (GR-MHD) simulations are essential for studying black hole accretion, relativistic jets, and magnetic reconnection, yet their computational cost severely limits systematic parameter explora…
General-relativistic magnetohydrodynamic (GR-MHD) simulations are essential for studying black hole accretion, relativistic jets, and magnetic reconnection, yet their computational cost severely limits systematic parameter exploration. We investigate neural operator surrogates fo…