高斯泼溅物理集成算子学习框架提出

Jihao Zhang、Junyi Guo 与 Jian-Xun Wang 提出基于前馈高斯泼溅（FFGS）表示的物理集成算子学习框架，将离散解场与物理算子连接为连续接口，使 PDE 算子可直接嵌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、非线性自平流及反应动力学 PDE 系统上，该方法长时自回归预测的相对 ℓ2 误差比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框架依然有效。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。