跨域预训练提升CFD神经代理模型泛化能力

一项新研究显示，跨域预训练能提升稳态神经 CFD 代理模型在未见数据集上的零样本和少样本表现。相比从头训练或从特定领域专家模型迁移，跨域预训练模型在相同样本量下误差降低 2-3 倍，达到同等误差所需样本减少 8 倍。 研究称，这一收益与模型架构无关，并随模型规模和预训练数据多样性提升。研究还发现，直接汇集稳态数据集即可有效实现跨域预训练。

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。