研究人员开发了一种新颖的物理信息傅里叶-小波变换器，旨在提高计算流体动力学（CFD）模拟的精度，特别是在处理局部多尺度结构方面。该模型集成了混合傅里叶-小波谱编码与物理偏置自注意力机制，并采用了自监督预训练技术。在圆柱尾流和流固耦合交互基准测试上的实验表明，该模型在精度和局部尾流特征重建方面优于现有方法，同时保持了实际的精度-成本权衡。 AI
影响 该模型有望通过提高流体动力学模拟的精度和效率来加速科学发现。
排序理由 该集群包含一篇详细介绍用于科学模拟的新型AI模型的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.24696v1 Announce Type: cross Abstract: Physics-informed surrogate models can accelerate computational fluid dynamics simulations. However, many existing methods reproduce global flow patterns more reliably than localized multiscale structures. This study presents a phy…
Physics-informed surrogate models can accelerate computational fluid dynamics simulations. However, many existing methods reproduce global flow patterns more reliably than localized multiscale structures. This study presents a physics-informed Fourier-wavelet transformer for next…