实体
PDEBench
PDEBench
PulseAugur coverage of PDEBench — every cluster mentioning PDEBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
算子增强框架创建高效的神经偏微分方程代理模型
研究人员开发了一个名为算子增强（Operator Boosting）的新框架，用于创建更高效的神经网络代理模型来求解偏微分方程（PDE）。该方法分阶段训练残差场上的小型神经网络算子，逐步优化预测结果。该方法在各种 PDE 基准测试（包括 Navier-Stokes 和 Darcy 流）上，参数数量显著减少（通常在 72-95% 之间），同时实现了相当或更高的准确性。
-
后验优先神经偏微分方程模拟通过单一观测值提高精度
研究人员推出了一种名为后验优先神经偏微分方程模拟的新方法，用于从单一观测场推断隐藏的问题状态。该方法在进行预测之前首先估计问题状态的后验分布，解决了传统场到未来预测器中的信息丢失问题。在PDEBench任务上的实验表明，与整体预测方法相比，这种后验优先方法显著降低了滚动误差。
-
FlowForge引擎通过分阶段本地滚动增强CFD流场预测能力
研究人员开发了FlowForge，一个用于利用深度学习预测流场的新型引擎。该系统采用分阶段本地滚动方法，按顺序更新空间站点，而不是进行一次全局传递。FlowForge旨在通过以有限的局部上下文为条件进行更新，来提高对噪声或不完整数据的鲁棒性并减少误差放大。在PDEBench和CFDBench等基准测试上的评估表明，FlowForge在提高稳定性和降低延迟的同时，达到了或超过了基线精度。