English(EN) Learning Metamaterial Eigenmodes with Wavelet-Encoded Fourier Neural Operators

小波编码的傅里叶神经网络算子加速超材料设计模拟

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员开发了一种新方法，使用小波编码的傅里叶神经网络算子（FNOs）来解决物理学中的复杂特征值问题，特别是用于超材料设计。该方法能有效预测弹性波动方程的多个本征模，这些本征模代表了任意超材料几何结构中声波的变形模式。小波编码对于匹配FNO的空间-频谱结构至关重要，即使存在几何不连续性也能实现准确的模式选择和预测。这种代理模型显著加速了超材料设计的模拟阶段，与传统的有限元分析相比，速度提高了三个数量级，同时保持了高保真度。 AI

影响将超材料设计的模拟速度提高了三个数量级，从而实现了更快的迭代和发现。

排序理由详细介绍求解偏微分方程特征值问题新方法的学术论文。[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 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 详细介绍求解偏微分方程特征值问题新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Han Zhang, Alexander Ogren, Cynthia Rudin, Johann Guilleminot, L. Catherine Brinson · 2026-09-10 04:00

使用小波编码傅里叶神经网络算子学习超材料本征模

arXiv:2609.08102v1 Announce Type: new Abstract: Machine learning surrogates based on neural operators have shown broad applicability in solving forward PDE problems. However, eigenvalue problems, in which an eigenparameter and one of several valid eigenmodes must be simultaneousl…

本文如何被排名

报道来源 [1]

使用小波编码傅里叶神经网络算子学习超材料本征模

相关实体

相关话题