arXiv cs.LG· Ramansh Sharma, Matthew Lowery, Houman Owhadi, Varun Shankar·· 6 小时前AI 评分24
保物理属性的算子学习：不可压缩流的核方法
Fluids You Can Trust: Property-Preserving Operator Learning for Incompressible Flows
AI 导读
研究者提出一种基于核的保属性算子学习方法，用于求解不可压缩 Navier-Stokes 方程，预测的速度场可解析且同时保持不可压缩性、周期性与湍流等物理属性。该方法支持最多 10,000 个训练函数、10,000 个空间采样点，泛化相对 ℓ2 误差最多低六个数量级，训练速度比神经算子快最多五个数量级，而神经算子仍存在较大散度误差。
来源：arXiv cs.LG · arxiv.org