English(EN) Physics-Aligned Canonical Equivariant Fourier Neural Operator under Symmetry-Induced Shifts

新的神经网络算子整合物理对称性以提高泛化能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-18 16:15

研究人员开发了一种新的神经网络算子，称为 PACE-FNO，通过整合已知的演化方程的连续对称性，能够更好地处理分布外场景。该模型将估计输入帧对齐和预测物理演化的任务分开，提高了泛化能力。在各种一维和二维方程上的实验表明，PACE-FNO 在分布内精度上与标准方法相当，同时显著减少了分布外误差。 AI

影响提高了物理信息神经网络的泛化能力，有可能在科学研究中实现更鲁棒的模拟。

排序理由详细介绍新模型架构及其性能的学术论文。[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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Fengxiang He · 2026-05-18 16:15

Physics-Aligned Canonical Equivariant Fourier Neural Operator under Symmetry-Induced Shifts

Neural operators approximate PDE solution maps, but they need not respect the symmetries of the governing equation. In out-of-distribution (OOD) regimes, a standard neural operator must often learn coordinate alignment and physical evolution within a single map, which can hurt ge…

报道来源 [1]

Physics-Aligned Canonical Equivariant Fourier Neural Operator under Symmetry-Induced Shifts

相关实体

相关话题