Wenqian Chen

新型Transformer架构提升复杂几何形状上的算子学习能力

研究人员推出ArGEnT，一种新颖的几何编码Transformer，用于任意几何形状上的算子学习。该框架将几何编码与查询点评估解耦，实现了网格无关的场预测，并降低了对查询点分布的敏感性。ArGEnT在包括流体动力学和固体力学在内的各种基准测试中，展示了显著的准确性和泛化能力提升，通常能以比现有基于Transformer的方法更低的训练成本，将预测误差降低一个数量级。