实体
CL-FNO
CL-FNO
PulseAugur coverage of CL-FNO — every cluster mentioning CL-FNO across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架通过算子分解改进流体动力学学习
研究人员开发了一个名为神经算子分解的新框架，以改进复杂几何形状中流体动力学的学习。该方法将每个时间步分解为单独的、物理上可解释的步骤，每个算子单独学习。该方法利用条件线性傅里叶神经算子 (CL-FNO)，并结合了对称采样和校正循环等策略，以最小化预测过程中的误差累积。实验表明，与单步神经算子相比，滚动误差显著降低，并且推理速度比传统的蒙特卡洛求解器快约 1000 倍。
-
神经算子分解框架加速流体动力学学习
研究人员开发了一个名为神经算子分解的新框架，用于学习复杂几何形状中的流体动力学。该方法将时间步分解为物理上可解释的阶段，每个算子单独学习。该方法利用条件线性傅里叶神经算子（CL-FNO），该算子根据边界几何形状等输入调整线性状态映射。实验表明，与传统的数值求解器相比，该方法显著降低了误差并大幅加快了推理速度。