arXiv cs.LG· Brener Ramos, William R. Wolf, Tarc\'isio C. D. Oliveira, Scott T. M. Dawson·· 4 天前AI 评分28
基于粗网格图神经网络预测参数化非定常流动稀疏观测值
Predicting Sparse Observables in Parameterized Unsteady Flows Using Coarse-Mesh Graph Neural Networks
AI 导读
新研究提出直接在粗网格上部署图神经网络（GNN）的降阶模型，无需全状态重构即可准确预测参数化非定常流动的稀疏探针与积分量。该方法表现达到甚至优于细网格代理模型，且借助频谱自适应采样将最大误差较均匀采样降低一个数量级。在训练成本更低的同时，其长时预测效果超越了参数化 DMD、U-Net 与傅里叶神经算子。
来源：arXiv cs.LG · arxiv.org