研究人员引入了拓扑神经算子（TNOs），一个用于学习细胞复形算子上的新框架。TNOs 通过离散外微积分对交互进行建模，从而实现显式的跨维度耦合，扩展了现有的神经算子。这种方法尊重物理量的几何特性，并可以提高偏微分方程基准测试的准确性，尤其是在处理复杂的流动问题时。 AI
影响 引入了一个尊重几何特性并提高 PDE 基准测试准确性的新颖算子学习框架。
排序理由 该集群包含一篇详细介绍新算子学习框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.09806v1 Announce Type: cross Abstract: We introduce Topological Neural Operators (TNOs), a principled framework for operator learning on cell complexes that lifts neural operators (NOs) from functions on points and/or edges to topological domains. TNOs represent data a…
We introduce Topological Neural Operators (TNOs), a principled framework for operator learning on cell complexes that lifts neural operators (NOs) from functions on points and/or edges to topological domains. TNOs represent data as features defined on cells of varying dimension a…