高斯泼溅表示级物理集成算子学习框架提出
热点事件持续更新
高斯泼溅表示级物理集成算子学习框架提出
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Jihao Zhang、Junyi Guo 与 Jian-Xun Wang 提出一种表示级物理集成方法,用前馈高斯泼溅(FFGS)表示作为离散解场与控制方程之间的连续接口,将物理 PDE 算子直接融入学习到的演化映射,无需引入物理残差损失。 在二维和三维的平流、扩散、非线性自平流与反应动力学系统上,该方法长时自回归推演的相对 ℓ2 误差较最强纯数据驱动基线降低 1.5×–2.2×,并持续提升频谱保真度;在控制方程仅部分已知时依然有效。
AI 根据报道生成 · 43 分钟前更新
最新进展10月15日 12:00
基于高斯泼溅表示的物理集成算子学习报道时间线
沿着报道,了解事件的不同侧面。
10月15日
- arXiv · cs.LG基于高斯泼溅表示的物理集成算子学习
研究提出一种表示级物理集成方法,用前馈高斯泼溅(FFGS)表示作为离散解场与控制方程之间的连续接口,将物理 PDE 算子直接融入学习到的演化映射,无需引入物理残差损失。在二维和三维的平流、扩散、非线性自平流与反应动力学系统上,长时自回归推演中相对 ℓ2 误差较最强纯数据驱动基线降低 1.5×–2.2×,并持续提升频谱保真度。该方法在控制方程仅部分已知时依然有效。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。