精选理由
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。
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。
AI 翻译 · 中文
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。
Physics-informed surrogate models can accelerate computational fluid dynamics simulations. However, many existing methods reproduce global flow patterns more reliably than localized multiscale structures. This study pres…