核方法算子学习求解不可压缩流
热点事件持续更新
核方法算子学习求解不可压缩流
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
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。该方法预测的速度场可解析，并同时保持不可压缩性、周期性与湍流等物理属性。 据该研究，方法支持最多 10,000 个训练函数和 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；神经算子仍存在较大散度误差。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
保物理属性的算子学习：不可压缩流的核方法报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.LG保物理属性的算子学习：不可压缩流的核方法
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。
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。