PulseAugur
中
实时 09:15:33
English(EN) DEFT: Data-Efficient Frequency-domain Top-k Sampling via Inverse Discrete Fourier Transform for Spatiotemporal Dynamical Systems Modeling

新的 DEFT 方法提高了复杂物理系统建模的效率

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的数据高效采样方法 DEFT，用于对偏微分方程控制的时空动力学系统进行建模。这种频域方法识别主导傅里叶模式，并通过改变模式的幅度和相位来生成物理上一致的训练数据。DEFT 已证明在数据需求方面有显著降低，可减少高达 40% 的数据量，同时预测精度损失极小，并在将学习到的特征迁移到新数据集和新化学性质方面显示出有希望的结果。 AI

影响 提高了训练 AI 模型进行复杂物理模拟的效率，可能降低计算成本和数据需求。

排序理由 该集群包含一篇详细介绍时空动力学系统新建模方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的 DEFT 方法提高了复杂物理系统建模的效率

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Hengbo Xiao, Jiale Liu, Jiahao Song, Guannan He ·

    DEFT：通过逆离散傅里叶变换实现数据高效频域 Top-k 采样，用于时空动力学系统建模

    arXiv:2608.11019v1 Announce Type: new Abstract: Modeling spatiotemporal dynamical systems governed by partial differential equations (PDEs) poses two major challenges: it either requires expensive physics-based simulators that entail iterative numerical solving at high computatio…

相关实体

相关话题