研究人员开发了一种新的图神经网络多层预处理器（GMP），旨在提高大型稀疏线性系统迭代求解器的效率。该方法将代数多重网格（AMG）层次结构集成到图神经网络框架中，学习用于平滑、限制和插值的算子。在超过800个矩阵上与经典AMG和其他GNN预处理器进行了测试，GMP显示出在科学模拟中提高收敛性的潜力，但也注意到了其与单层方法相比的开销。 AI
影响 这种新的预处理器可以通过提高复杂线性系统迭代求解器的效率来加速科学模拟。
排序理由 详细介绍科学计算新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- algebraic multigrid method
- arXiv
- Graph Neural Multilevel Preconditioner
- graph neural networks
- Krylov solvers
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
