PulseAugur
中
实时 09:08:57
English(EN) Applying Two-Grid Preconditioner for Subsurface Flow Simulation using Attention-enhanced Hybrid Network to Accelerate Multiscale Discretization in High-contrast Media

AI混合网络加速地下流动模拟

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的混合框架，将机器学习与多尺度数值方法相结合，以有效地求解复杂地下流动模拟中的Darcy方程。该方法使用注意力增强的神经网络来预测多尺度基函数，显著加速了混合广义多尺度有限元方法（mixed GMsFEM）的离线计算阶段。这种基于学习的加速，结合用于全局系统的双网格预条件求解器，即使在高对比度系数的非均质介质中也能保持准确性和稳定性，优于现有的基于学习的方法。 AI

影响 加速复杂模拟，可能为地质学和油藏工程等领域的地下分析提供更高分辨率。

排序理由 这是一篇详细介绍新计算方法的学术论文。

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]

  1. arXiv cs.LG TIER_1 English(EN) · Peiqi Li, Jie Chen, Shubin Fu ·

    Applying Two-Grid Preconditioner for Subsurface Flow Simulation using Attention-enhanced Hybrid Network to Accelerate Multiscale Discretization in High-contrast Media

    arXiv:2606.02582v1 Announce Type: cross Abstract: In this paper, we study the efficient numerical solution of Darcy equations in strongly heterogeneous media with high-contrast permeability and propose a hybrid framework that combines learning with multiscale numerical methods. T…

相关话题