Navier--Stokes flow

新的FAST-DeepONet方法增强了AI在复杂PDE问题上的稳定性

研究人员开发了FAST-DeepONet，这是一种新颖的方法，用于提高深度算子网络（Deep Operator Networks）在处理偏微分方程（PDE）的高维输入时的统计稳定性。该新方法结合了固定的谱路径和正交残差的正则化投影，即使在存在大量相关传感器和有限算子样本的情况下，也能有效缓解性能下降。FAST-DeepONet在包括Navier--Stokes流动、Darcy流动和终端波场预测在内的各种应用中，均显示出显著的误差降低和参数效率。