研究人员开发了一种新颖的混合方法，用于从稀疏测量中重建密集物理场，将数值模拟器与数据驱动模型相结合。该方法将径向基函数（RBF）重建与神经网络（NN）校正和偏微分方程（PDE）求解器相结合，使得模拟器可以直接嵌入到神经网络的训练循环中。值得注意的是，神经网络的训练不需要完全解析的模拟状态的示例，这是通过实现端到端可微分的PDE求解器实现的，该求解器允许梯度通过模拟步骤进行反向传播。与纯粹的统计或基于机器学习的重建方法相比，这种“灰盒”方法在流体力学基准测试中表现出优越的结果。 AI
影响 这种方法可以提高流体力学等领域的科学模拟和数据分析的准确性和效率。
排序理由 详细介绍科学重建新方法的学术论文。[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 →
