研究人员推出了一种新颖的旋转增强Transformer算子RETO，旨在改进汽车空气动力学预测。该新模型采用双阶段空间感知机制，利用正弦-余弦编码和旋转位置编码（RoPE）来更好地捕捉复杂的空间相关性。RETO在ShapeNet和DrivAerML基准测试中均显著优于现有基线模型，在表面压力和速度预测方面取得了显著的准确性提升。 AI
影响 引入了一种新颖的空气动力学预测神经网络算子，有望改进汽车设计工作流程。
排序理由 这是一篇介绍新模型（RETO）并展示基准测试结果的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2605.00062v1 Announce Type: cross Abstract: Rapid aerodynamic evaluation is crucial for modern vehicle design, yet existing neural operators struggle to capture intricate spatial correlations. We propose the rotary-enhanced transformer operator (RETO), a novel neural solver…