11:49
arXiv cs.LG@Somyajit Chakraborty, Ming Pan, Xizhong Chen
推荐理由：这个新模型用傅里叶加小波做流体模拟，比传统方法更准，尾流细节抓得更好，误差直接砍半。
全部 AI 动态
AI 相关资讯全量信息流
6月24日
11:49
该论文提出一种物理信息傅里叶-小波Transformer，用于计算流体动力学替代建模。方法结合了混合傅里叶-小波谱编码和基于PDE残差诊断的物理偏置自注意力机制，并通过遮罩物理预测和方程一致性预测进行自监督预训练。在圆柱尾流基准上，模型的全通道归一化均方误差为0.05875，皮尔逊相关系数为0.97019。在流固耦合基准上，全通道归一化均方误差为2.70×10⁻⁴，而最强基线为4.02×10⁻⁴。组件级场比较和尺度分离诊断显示，模型更好地恢复了近体、尾流核心和远尾流等局部尾流结构。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月8日
11:02
11:02
arXiv cs.LG@Chris R. Jung, Markus Dörr, Natalie Jüngling, Jennifer Niessner, Adam T. Müller, Nicolaj C. Stache
推荐理由：做流体模拟或室内环境优化的团队终于有了一个又快又准的替代方案——Drifting Models 比扩散模型快两个数量级，精度却不输，值得在实时 CFD 场景中直接试试。
5月26日
12:24
12:24
arXiv cs.LG@Bipin Tiwari, Omer San
精选
推荐理由：做 CFD 逆设计或不确定性量化的研究者终于有了一个计算可行的方案——神经算子加速后，贝叶斯推断从小时级降到秒级，建议直接复现论文中的喷管案例。