基于网格的多尺度图神经网络流体流动超分辨率
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了流体流动超分辨率的需求，通过引入一种图神经网络（GNN）方法，实现了局部网格的三维超分辨率。在多尺度架构下，研究表明该方法能够在较粗的尺度上有效嵌入查询信息，并利用细尺度的消息传递来修正插值误差，从而生成准确的超分辨率场。
提出了一种新型超分辨率框架MeshfreeFlowNet，基于深度学习，能够在低分辨率下生成连续的时空解，并在Rayleigh-Benard对流问题中表现出众。该框架具有高效扩展性，可在大型集群上训练，最高可达96.80％的扩展效率，训练时间不到4分钟。
