PulseAugur
中
实时 15:36:07
English(EN) Deep Wave Network for Modeling Multi-Scale Physical Dynamics

深度波网络架构提高了物理动力学建模的精度-成本权衡

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为深度波网络（DW-Net）的架构创新，用于物理动力学建模中的U-Net类模型。DW-Net通过串联堆叠多个编码器-解码器“波”，并结合波内和跨波的跳跃连接进行渐进式精炼，从而增强了有效深度。与传统的单波U-Net相比，这种方法在精度-成本权衡方面持续改进，在匹配的计算成本下实现了更高的精度，或在减少的训练时间内达到了相似的精度，这在各种2D和3D流动基准测试中得到了证明。 AI

影响 引入了一种新的架构，提高了物理动力学建模的精度-成本权衡，可能导致更高效的模拟。

排序理由 这是一篇详细介绍用于物理动力学建模的新型神经网络架构的研究论文。[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 →

深度波网络架构提高了物理动力学建模的精度-成本权衡

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Alexander I. Khrabry, Edward A. Startsev, Andrew T. Powis, Igor D. Kaganovich ·

    Deep Wave Network for Modeling Multi-Scale Physical Dynamics

    arXiv:2605.04198v1 Announce Type: new Abstract: Performance of deep learning models is strongly governed by architectural capacity, with width and depth as primary controls. However, in physical-science applications, models are often compared at a single fixed size or by separati…

相关实体

相关话题