AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：离散外微积分×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
6月9日
13:04
13:04arXiv cs.AI@Lennart Bastian, Samuel Leventhal, Mustafa Hajij, Tolga Birdal
研究人员提出拓扑神经算子（TNOs），一种在细胞复形上进行算子学习的框架。TNOs 将数据表示为不同维度细胞上的特征，通过离散外微积分建模其相互作用，支持梯度、旋度和散度类型的跨维度耦合。其核心设计是将信息流动（由固定拓扑算子控制）与信息变换（可学习）解耦，从而尊重物理量的几何支撑并暴露守恒与兼容结构。进一步提出的层次化 TNOs（HTNOs）通过学习的粗化复形传播长程和拓扑依赖信息。在多个 PDE 基准测试（包括不规则几何流问题）中，TNOs 和 HTNOs 提升了精度，并证明了原生高阶和拓扑结构的优势。
论文算子学习拓扑神经算子PDE求解细胞复形离散外微积分
推荐理由：做科学计算和 PDE 求解的团队，终于有了一个能自然处理复杂几何和拓扑结构的算子学习框架，比传统 NO 更准，值得一试。
原文