关键词physics-informed neural operators
搜索结果 - 2
- 物理启发的神经算子应用
本文提出了一种端到端的框架,用于学习偏微分方程,首先通过物理感知神经算子实现了 1D 波动方程和 1D Burgers 方程的准确性和性能,并将其用于更多新的方程类型,以及在学习 2D 线性和非线性浅水方程中的应用。
- 面向物理信息的神经算子用于偏微分方程学习
本文提出物理信息神经操作器(PINO),该方法使用现有的数据和物理约束条件来学习参数化偏微分方程(PDE)族的解算器,通过结合数据和 PDE 约束条件,PINO 成功地实现了高分辨率实例的准确性和泛化能力。