研究人员引入了时滞Transformer(TD-TF),这是一种简化的Transformer架构,用于对复杂时空动力学进行建模。该模型被呈现为时滞动态模式分解(TD-DMD)的非线性推广,在保持线性模型的可解释性和效率的同时,提供了增强的表达能力。在包括Lorenz '63系统和反应扩散模型在内的各种系统上的数值实验表明,TD-TF通过准确捕捉长期动力学,在非线性混沌状态下优于传统的线性基线。 AI
影响 这种新架构可以提高用于科学建模和仿真的AI模型的准确性和可解释性。
排序理由 该集群包含一篇详细介绍新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Albert Alcalde
- arXiv
- Lorenz '63 system
- Reaction diffusion models with spatially inhomogeneous diffusion coefficients
- TD-DMD
- TD-TF
- Time-Delayed Dynamic Mode Decomposition
- Time-Delayed Transformer
- transformer
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →