arXiv cs.LG·38 天前★ 2

物理与数据驱动的 Transformer-Mamba 流场框架

原文标题：Physics and Data Driven Transformer-Mamba Framework for Flow Field

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文提出 Transformer-Mamba for Flow Field（TM4FF）框架，一种物理约束的算子学习模型，用于加速 CFD 中的偏微分方程求解。其三项创新包括残差小波 Mamba 去噪层、Transformer 注意力特征融合，以及基于傅里叶导数的物理信息损失以约束纳维-斯托克斯方程。在四个 CFD 数据集上展现出高精度与稳健泛化能力。

论文速读 · 四段结构cs.LG去论文速读 →

问题: PINN、FNO 等求解 CFD 偏微分方程时泛化差、抗噪弱、物理一致性不足。
方法: 物理约束算子学习框架，用残差小波 Mamba 去噪、Transformer 注意力融合特征，并以傅里叶导数构造物理信息损失约束纳维-斯托克斯方程。
结果: 在四个 CFD 数据集上取得高精度与稳健泛化，未给出量化数字。
影响: 为 CFD 代理模型提供兼顾精度与物理一致性的新架构选择。