研究人员开发了一种新颖的、数据驱动的代数多重网格（AMG）压力求解器平滑器，利用了改进的图卷积同构网络（GCIN）。该图神经网络预测最优多项式系数，以构建稀疏伪逆算子，有效捕捉系统的代数结构，并适应非结构网格中的局部各向异性。该方法在各种基准测试中展示了显著的性能提升，减少了V循环次数，并实现了4%至37%的实际运行时间加速。值得注意的是，该模型表现出强大的泛化能力，在远大于训练网格的网格上保持效率，并加速了行业相关问题的收敛。 AI
影响 这项研究通过提高压力求解器的性能，可能带来更快、更高效的计算流体动力学模拟。
排序理由 该集群包含一篇学术论文，详细介绍了使用图神经网络加速计算物理求解器的新方法。
- Air France Flight 358
- algebraic multigrid method
- arXiv
- Graph Convolutional Isomorphism Network
- graph neural networks
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →