精选理由
这篇论文用图神经网络优化AMG求解器，在非结构网格上提速最高37%，而且能在128倍大的网格上照样用，搞CFD的可以看看。
本研究提出一种数据驱动的代数多重网格（AMG）平滑器，采用改进的图卷积同构网络（GCIN）。该网络从稀疏系数矩阵中学习最优多项式系数，以构建稀疏伪逆算子，在非结构化网格上减少V-cycle迭代次数。在多个基准测试中，该方法实现了4%到37%的壁钟时间加速。模型展现出强大的泛化能力，可处理训练时未见过的、尺寸大128倍的网格，并加速AirfRANS数据集等工业相关问题的收敛。
AI 翻译 · 中文
本研究提出一种数据驱动的代数多重网格（AMG）平滑器，采用改进的图卷积同构网络（GCIN）。该网络从稀疏系数矩阵中学习最优多项式系数，以构建稀疏伪逆算子，在非结构化网格上减少V-cycle迭代次数。在多个基准测试中，该方法实现了4%到37%的壁钟时间加速。模型展现出强大的泛化能力，可处理训练时未见过的、尺寸大128倍的网格，并加速AirfRANS数据集等工业相关问题的收敛。
Solving the pressure-Poisson equation remains the primary computational bottleneck in incompressible unstructured flow solvers primarily due to the inherent sensitivity of traditional linear solvers to mesh irregularitie…