arXiv cs.LG· Ramansh Sharma, Matthew Lowery, Houman Owhadi, Varun Shankar·· 12 天前AI 评分32
用于不可压缩流动的局部稀疏核算子学习：一种算子拉格朗日表述
Local and Sparse Kernel Operator Learning for Incompressible Flows: An Operator Lagrange Formulation
AI 导读
研究人员提出一种用于学习不可压缩流解算子的局部稀疏核方法，通过在 GPU 上并行求解的局部无散插值替代全局输出重构，并利用紧支核实现稀疏算子回归。结合算子拉格朗日权重的模型在新输入下仅需一次稀疏求解，在受迫各向同性湍流任务中使误差降低超过一个数量级。在 10 个流体基准测试中，该稀疏模型精度不低于早期的稠密方法，且优于神经算子。
来源：arXiv cs.LG · arxiv.org