新的傅里叶神经算子扩展可处理复杂的偏微分方程

研究人员开发了傅里叶神经算子（FNOs）的扩展，旨在更好地模拟参数化和耦合的偏微分方程（PDEs）。所提出的方法结合了基于超网络的调制来处理参数化动力学，并探索了耦合系统的架构选择，以平衡共享结构与跨变量交互。在电容耦合等离子体方程和Gray-Scott系统等基准PDE上的评估表明，与现有基线相比，误差显著降低。 AI

影响 增强了神经网络模拟复杂物理系统的能力，可能加速科学发现。

排序理由 关于模拟偏微分方程新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• capacitively coupled plasma equations
• CatalyzeX
• DagsHub
• Fourier Neural Operators
• Gotit.pub
• Gray-Scott system
• Hugging Face
• Hypernetwork
• IArxiv
• Influence Flower
• partial differential equations
• ScienceCast

• 论文
• 模型发布

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