English(EN) Stochastic and Non-local Closure Modeling for Nonlinear Dynamical Systems via Latent Score-based Generative Models

AI框架使用潜在扩散模型处理复杂动力学系统

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-30 04:00

研究人员开发了一种新颖的AI框架，使用潜在分数生成模型来处理计算力学中的复杂非线性动力学系统。该方法解决了缺乏清晰尺度分离的系统建模挑战，例如湍流，传统方法对此过于受限。通过在缩减的潜在空间中联合训练卷积自编码器和条件扩散模型，该框架在保持预测精度的同时显著加速了计算推理。 AI

影响该框架通过实现对复杂多尺度系统更有效的建模，有可能加速流体动力学等领域的模拟。

排序理由该集群包含一篇详细介绍计算力学新颖AI框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Xinghao Dong, Huchen Yang, Jin-Long Wu · 2026-06-30 04:00

基于潜在分数生成模型的非线性动力学系统的随机和非局部闭合建模

arXiv:2506.20771v2 Announce Type: replace Abstract: We propose a latent score-based generative AI framework for learning stochastic, non-local closure models and constitutive laws in nonlinear dynamical systems of computational mechanics. This work addresses a key challenge of mo…