研究人员推出了一种新颖的神经算子预训练框架PI-JEPA，旨在减少多物理场仿真中对大量已标记仿真数据的需求。该方法利用未标记的参数场和基于物理信息的方法，能够以显著更少的完整PDE求解进行有效训练。与FNO和DeepONet等现有模型相比，PI-JEPA表现出更优越的性能，尤其是在有限的已标记运行中进行微调时，从而降低了部署多物理场代理所需的仿真预算。 AI
影响 降低了复杂物理问题的仿真成本，并加速了AI代理的部署。
排序理由 这是一篇描述新AI模型及其在特定任务上性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →