iFLEX：科学机器学习中时间插值的生成式细化学习

研究人员提出科学机器学习插值模型 iFLEX，利用条件扩散模型学习加权数值插值与真实物理场的残差以重构中间场。该模型在 Navier-Stokes 湍流、上海雷达降水及海表温度数据上表现优于光流和视频插值扩散等基线。在雷诺数 36,000 的湍流测试中，其相对 Frobenius 范数误差从直接生成的约 13.7 降至 10.5，代码已开源。