Physics-encoded Message Passing Graph Network for Spatiotemporal Partial Differential Equation Systems

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种新的图学习方法——物理编码消息传递图网络(PhyMPGN),旨在解决现有神经模型在复杂条件下预测时空动态的不足。该方法能够在小规模训练数据下有效建模不规则网格上的时空偏微分方程系统,实验结果表明其在粗糙非结构化网格上准确预测多种时空动态,性能优于其他基线方法。

🎯

关键要点

  • 本研究提出了一种新的图学习方法——物理编码消息传递图网络(PhyMPGN)。
  • PhyMPGN旨在解决现有神经模型在复杂条件下预测时空动态的不足。
  • 该方法能够在小规模训练数据下有效建模不规则网格上的时空偏微分方程系统。
  • 实验结果表明,PhyMPGN在粗糙的非结构化网格上能够准确预测多种时空动态。
  • PhyMPGN的性能优于其他基线方法。
➡️

继续阅读