基于几何信息的大规模三维偏微分方程神经算子
原文中文，约500字，阅读约需2分钟。发表于：。我们提出了几何信息神经算子（GINO），一种高效的方法，用于学习具有不同几何形态的大规模偏微分方程的解算器。该算子基于图和傅里叶结构，使用输入形状的有符号距离函数和点云表示来学习解算器。用于验证 GINO 方法在大规模模拟上的性能，我们生成了 3D 车辆几何形态的工业标准空气动力学数据集，雷诺数高达五百万。在这个大规模 3D 流体模拟中，传统数值方法计算表面压力的成本很高。我们成功地训练...
我们提出了几何信息神经算子（GINO），用于学习大规模偏微分方程的解算器。GINO基于图和傅里叶结构，使用有符号距离函数和点云表示来学习解算器。在大规模3D流体模拟中，GINO仅使用500个数据点就能预测车身表面的压力，计算速度提高了26000倍。与深度神经网络方法相比，GINO的误差率降低了四分之一。
