English(EN) Quadrature-Aware Complex-Linear Neural Operator for Boundary-to-Field Prediction in Resonant Acoustics

新的CLBO方法以更高的精度和速度预测声场

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-07 04:00

研究人员开发了一种名为感知复数线性边界算子（CLBO）的新方法，以更有效地从边界激励预测声场。该算子通过显式的复数表面-求积收缩耦合学习到的基函数，将振动表面的复数法向速度映射到接收器位置的复数压力。与复数DeepONet相比，CLBO在预测误差方面显著降低，速度也大大提高，在分布式声学激励方面表现出更强的物理一致性和泛化能力。 AI

影响这种新的算子可以显著加快声学和流体动力学模拟的速度，从而实现更复杂的分析和设计。

排序理由该集群包含一篇详细介绍新方法及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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) · Muhammad Idrees Khan, Hua-Dong Yao · 2026-07-07 04:00

Quadrature-Aware Complex-Linear Neural Operator for Boundary-to-Field Prediction in Resonant Acoustics

arXiv:2607.04407v1 Announce Type: cross Abstract: Repeated prediction of acoustic fields from spatially distributed boundary excitation is computationally expensive when each source realization requires a new wave simulation. This work introduces a quadrature-aware complex-linear…

报道来源 [1]

Quadrature-Aware Complex-Linear Neural Operator for Boundary-to-Field Prediction in Resonant Acoustics

相关实体

相关话题