Neural Basis Method

新的神经基方法推动Navier-Stokes动力学建模

研究人员引入了神经基方法（NBM），这是一种用于模拟由Navier-Stokes方程控制的流体动力学的新颖方法。该方法基于“表示-然后-投影”的原理，利用固定的神经基来定义表示空间，并投影控制方程以确定展开系数。NBM通过将算子学习重塑为参数到系数的映射，消除了显式的空间依赖性，旨在提高可扩展性和准确性。实验表明，与现有方法相比，NBM在准确性、效率、泛化能力和可扩展性方面提供了实质性的改进，为系数学习提供了经过认证的、无数据训练目标。