convolutional operator libraries

新方法可在无真实数据的情况下对神经算子模型进行排名

研究人员开发了一种新颖的方法，可以在不需要高保真参考解的情况下，有效地选择最佳的神经算子模型进行部署。通过分析平方希尔伯特空间损失下候选差异的低维跨度，控制方程的单个线性化响应可以同时对所有模型进行评分。该方法在流体、反应扩散和波动力学等各种算子库中，准确恢复了超过 99.6% 的成对偏好和 99.0% 的最优检查点。修正后的物理代理通常优于单个最佳候选者，为部署科学代理提供了可靠高效的方式。