PulseAugur
中
实时 15:44:35
English(EN) Higher-Order Fourier Neural Operator: Explicit Mode Mixer for Nonlinear PDEs

高阶FNO改进了用于非线性偏微分方程的神经网络算子 · 跟踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了高阶傅里叶神经网络算子（HO-FNO），这是对傅里叶神经网络算子（FNO）的改进，旨在更好地处理非线性偏微分方程（PDE）。HO-FNO包含显式的n重线性模式混合能力，能够捕捉非线性偏微分方程特有的模式之间的结构化交互。实验表明，HO-FNO在保持FNO效率的同时，性能优于其他谱神经网络算子，并在泊松方程等高度非线性场景中与最先进的Transformer和状态空间模型相媲美。 AI

影响 这项研究可能带来更高效、更准确的AI模型，用于解决复杂的非线性科学问题。

排序理由 该集群包含一篇详细介绍用于科学计算的新模型架构的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

高阶FNO改进了用于非线性偏微分方程的神经网络算子 · 跟踪2个来源

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Alex Colagrande, Paul Caillon, Eva Feillet, Alexandre Allauzen ·

    Higher-Order Fourier Neural Operator: Explicit Mode Mixer for Nonlinear PDEs

    arXiv:2606.28122v1 Announce Type: cross Abstract: Neural operators provide deep neural networks for learning mappings between function spaces. Among them, the Fourier Neural Operator (FNO) is particularly effective: its spectral convolution relies on low-dimensional Fourier-domai…

  2. arXiv cs.AI TIER_1 English(EN) · Alexandre Allauzen ·

    高阶傅里叶神经算子：用于非线性偏微分方程的显式模式混合器

    Neural operators provide deep neural networks for learning mappings between function spaces. Among them, the Fourier Neural Operator (FNO) is particularly effective: its spectral convolution relies on low-dimensional Fourier-domain representations and can handle inputs at differe…

相关实体

相关话题