★ 2
粗网格图神经网络预测参数化非定常流稀疏观测量
arXiv 论文提出直接在粗网格上部署图神经网络的降阶模型，跳过全状态重建，用于参数化二维/三维受限圆柱流与不均匀加热腔。模型可泛化到未见工况并准确预测稀疏探针位置与积分量，训练时间与内存均优于细网格代理。配合频谱引导的自适应采样，最大误差降低一个数量级。
arXiv cs.LG3 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
arXiv 论文提出直接在粗网格上部署图神经网络的降阶模型，跳过全状态重建，用于参数化二维/三维受限圆柱流与不均匀加热腔。模型可泛化到未见工况并准确预测稀疏探针位置与积分量，训练时间与内存均优于细网格代理。配合频谱引导的自适应采样，最大误差降低一个数量级。
论文提出变分不可压缩最优传输（VIOT）算子，一种用于摊销式不可压缩密度传输的生成神经算子。系统由流函数/矢量势表示、正则化不可压缩传输目标与傅里叶神经算子骨干组成，可对新源-目标密度对前馈预测无散度速度场并生成完整传输轨迹。在2D与3D基准上每对秒级完成，相比逐实例优化基线约10^4倍在线加速，…