GENERIC-FNO

新的FNO架构增强了高频学习和物理精度

研究人员开发了傅里叶神经算子（FNO）的新框架，以提高其学习高频信息和物理性质的能力。SirenFNO利用正弦表示网络学习全网格频谱，无需频率截断，以更少的参数优于标准FNO。GENERIC-FNO将非平衡热力学的能量守恒和熵产生直接嵌入函数空间，展示了精确的结构保证和在各种PDE上的竞争性性能。此外，傅里叶多组分和多层神经网络（FMMNNs）将正弦型激活与多组分结构相结合，实现了指数级的表达能力和有利于高频目标的优化格局。