Apr, 2023

预测三维地震波传播的傅里叶神经算子代理模型

PDF
TL;DR本文介绍了利用神经算子和傅里叶神经算子在三维地震学中进行高保真数值模拟并模拟地面运动时系列的应用。模型可以用于评估地质特征对地面运动的影响，特别是介于中等和大范围的区间的地面运动强度。
neural operatorsscientific machine learningpartial differential equationsfourier neural operatorseismology
发现论文，激发创造
  • 多输入傅里叶神经算子（MIFNO）用于源相关的三维弹性动力学

    该论文介绍了一种名为 Multiple-Input Fourier Neural Operator（MIFNO）的替代模型，它具备地震模拟器的灵活性和不同源和物质特性，在复杂设置中进行三维波动方程求解并在很多问题的多次查询中代替数值模拟以提高准确性和巨大的速度优势。

    Apr, 2024

  • 用于实时模拟三维动态城市微气候的傅立叶神经算子

    利用 Fourier 神经算子 (FNO) 网络以实时三维城市风场模拟，通过半拉格朗日方法和分数步进法模拟大规模城市问题中的城市微气候特征，数值实验显示 FNO 模型能够准确重构瞬时空间速度场，在不同风向的未见数据上也具有良好的泛化能力，更重要的是 FNO 方法能够在毫秒内进行预测，实现了三维动态城市微气候的实时模拟。

    Aug, 2023

  • 本地卷积增强的全局傅里叶神经算子用于多尺度动态空间预测

    通过改进的傅里叶层和注意机制，我们提出了一种新颖的分层神经算子，旨在捕获所有细节并在不同尺度上处理它们，以解决多尺度偏微分方程问题。在多个物理场景中进行实验，并在现有偏微分方程基准测试中取得卓越性能，尤其是具有快速系数变化特征的方程。

    Nov, 2023

  • 学习形变的傅里叶神经算子解决一般几何上的 PDEs

    本论文提出了基于深度学习的 Fourier 神经算子 (FNO) 的新框架 - geo-FNO, 用于求解偏微分方程，并可在任意几何图形上工作。该方法利用深度学习降噪算法，将不规则的物理空间映射到一个均匀的潜空间中，再应用 FNO 模型来求解偏微分方程。geo-FNO 比传统的数值求解方法快 $10^5$ 倍，比其它机器学习算法（如 FNO）的直接插值更准确。

    Jul, 2022

  • 从谱的角度对傅里叶神经算子进行分析和改进的研究

    通过光谱分析明确展示了 Fourier 神经操作符在解决偏微分方程时相比卷积神经网络的显著有效性，并提出了 SpecBoost，一种集成学习框架，通过利用多个 Fourier 神经操作符来更好地捕捉高频信息，明显提高了在各种偏微分方程应用中的预测准确度，最高提升了 71%。

    Apr, 2024

  • 基于 FAIR 数据的两种神经算子的综合公平比较（包括实用扩展）

    本文研究了两种神经算子的性能，提出了它们的实际扩展，使它们更加准确、鲁棒，并适用于工业复杂应用，针对多个基准测试问题，将其与已有神经算子进行比较，证明了其在实际问题中的有效性，并对两种算子进行了理论上的对比。

    Nov, 2021

  • 球形傅里叶神经算子：在球面上学习稳定动态

    本文介绍 Spherical FNOs 的概念，并将其应用于大气动力学，通过稳定的自回归推断保持物理上的合理动态，这将对机器学习模拟气候动力学有重要的实际应用。

    Jun, 2023

  • 傅里叶神经算子用于学习宏观交通流模型的解：正向和反向问题的应用

    使用深度学习方法研究交通流中非线性双曲型偏微分方程的解决方案，通过训练算子来预测宏观交通状态和密度动态，以及改进冲击预测和物理约束问题。

    Aug, 2023

  • 快速洪涝淹没预测采用傅里叶神经算子

    我们提出了一种基于混合过程和数据驱动的机器学习方法，用于洪水范围和淹没深度的预测，该方法使用傅里叶神经运算器进行代理建模，并在休斯敦的城区进行了演示测试。结果表明，傅里叶神经运算器模型优于基准的 U-Net 模型，并具有较强的泛化能力。

    Jul, 2023

  • FNOSeg3D: 鲁棒分辨率三维图像分割与傅里叶神经算子

    FNOSeg3D 模型通过 Fourier 神经算子（FNO）提高了参数效率和分辨率鲁棒性，在 BraTS'19 数据集上表现出优于其他模型的鲁棒性。

    Oct, 2023