Unitary propagation

LiftGCN: 新型图网络为应力预测实现能量守恒

研究人员开发了LiftGCN，这是一种新颖的图神经网络，专为高效且能量守恒的图学习而设计，特别适用于有限元应力预测。这种新架构利用Joukowski谱提升将图算子谱映射到单位圆上，从而实现避免复杂矩阵函数和高阶近似的二阶递推关系。LiftGCN每层实现O(ed)的计算复杂度，显著降低了成本，同时有效保留了高频信息，并提高了应力预测任务中应力集中和局部高梯度结构的重建精度。