快速GPU基础计算心脏病学数值模拟的液体傅里叶潜在动态网络
原文中文，约600字，阅读约需2分钟。发表于：。本研究解决了传统数值求解方法在复杂几何体上高非线性微分方程求解的效率和准确性不足的问题。提出的液体傅里叶潜在动态网络（LFLDNets）通过引入稀疏的神经液体网络实现参数化时空代理模型，显著提高了时间推进的性能。该方法在心脏电生理学和心血管血流动力学的多尺度测试案例中展示了其在GPU上快速进行人工智能数值模拟的潜力。
该研究使用分支潜在神经算子（BLNOs）来学习复杂物理过程的输入-输出映射。BLNOs通过结构化解开不同输入的内在角色，并将其转化为通用场。在儿童心脏发育不全综合征的心脏模型中，BLNOs展示了良好的泛化性能。优化的BLNO模型在独立测试数据集上表现出很高的准确性。该研究提供了一种新的计算工具，用于构建可靠且高效的降阶模型进行数字孪生。
