Jun, 2024
通过具有 U-Net 主干的混合自适应傅立叶神经运算器加速相场模拟
Accelerating Phase Field Simulations Through a Hybrid Adaptive Fourier Neural Operator with U-Net Backbone
Christophe Bonneville, Nathan Bieberdorf, Arun Hegde, Mark Asta, Habib N. Najm...
TL;DR我们提出了 U-AFNO，这是一种受神经运算器学习近期进展启发的机器学习模型，用于学习当前时间步长到后续时间步长的场的动态映射，通过提取和重构物理场中的局部特征，并通过傅立叶空间（AFNO）中的视觉变换器（ViT）传递潜在空间。我们使用 U-AFNO 模型准确预测液态金属腐蚀过程的场动力学，并展示了与高保真数值求解器相当的准确性，同时我们研究了采用 U-AFNO 与高保真时间步恢复相结合的混合模拟的机会，并且我们的 U-AFNO 模型在完全自回归设置中始终优于混合方案。