FlashPDE 库通过融合 Triton 算子加速神经网络 PDE 求解器

研究人员开发了 FlashPDE，这是一个新的融合 Triton 算子库，旨在加速求解偏微分方程 (PDE) 的物理信息神经网络 (PINNs) 的训练。该库将融合的模板评估、解析离散伴随反向传播和边界梯度校正集成到一个统一的接口中，取代了零散的 PyTorch 有限差分执行。FlashPDE 提供了 14 个可微分的 PDE 算子，并已展示出显著的性能提升，与传统方法相比，在 NVIDIA A100 GPU 上峰值内存使用量减少了 37.0 倍，端到端求解时间缩短了 2.30 倍。 AI

影响 通过提高复杂物理模拟神经网络训练的效率，加速科学机器学习应用。

排序理由 研究论文，详细介绍了一个用于科学机器学习的新软件库。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• CUDA
• FlashPDE
• Neural PDE Solvers
• NVIDIA A100 GPU
• partial differential equations
• physics-informed neural networks
• PyTorch
• Triton

• 论文
• 基础设施

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