MoNo：新型神经算子求解复杂几何上的偏微分方程

研究人员推出 MoNo，这是一种新颖的神经算子，旨在求解复杂几何上的偏微分方程 (PDE)。MoNo 采用一种名为 CoTAP（跨尺度最优传输分配与投影）的新方法来创建稳定且平衡的潜在空间，解决了现有投影机制中导致潜在 token 利用不足或分配过多的局限性。这种方法能够有效地学习长距离物理交互，并且与当前最先进的方法相比，在性能和计算效率方面均表现出色。 AI

影响 引入了一种求解复杂偏微分方程的新颖方法，有望推动科学计算和模拟能力的发展。

排序理由 该集群包含一篇详细介绍求解偏微分方程新方法的 ist 研究论文。

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• machine learning
• MoNo
• partial differential equations
• ScienceCast
• Transformer++

• 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 →