研究人员开发了一种名为 Neural FMM 的新型神经网络架构,该架构将快速多极子方法 (FMM) 的原理整合到一个分层机器学习框架中。该架构旨在通过高效地表示局部和远场交互来学习椭圆偏微分方程 (PDE) 的格林算子,其灵感来源于 FMM 处理 N 体问题的方法。这项工作探索了将 FMM 与现代机器学习技术相结合这一尚未充分探索的领域。 AI
影响 引入了一种用于求解微分方程的新型神经网络架构,有望提高科学计算的效率。
排序理由 该集群包含一篇详细介绍受数值方法启发的创新神经网络架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- elliptic differential equation
- Emilio McAllister Fognini
- Fast Multipole Method
- Gotit.pub
- Hugging Face
- IArxiv
- Influence Flower
- Neural FMM
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →