精选理由
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。
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。
AI 翻译 · 中文
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。
We introduce Topological Neural Operators (TNOs), a principled framework for operator learning on cell complexes that lifts neural operators (NOs) from functions on points and/or edges to topological domains. TNOs repres…