arXiv 机器学习· Ramansh Sharma, Matthew Lowery, Houman Owhadi, Varun Shankar·· 3 小时前AI 评分37
面向不可压缩流体的局部与稀疏核算子学习：算子拉格朗日表述
Local and Sparse Kernel Operator Learning for Incompressible Flows: An Operator Lagrange Formulation
AI 导读
研究者提出一种用于学习不可压缩流解算子的局部与稀疏核方法，采用算子拉格朗日表述并通过 GPU 并行求解局部无散度插值。该方法利用紧支集核函数实现稀疏算子回归，在 10 个流体基准测试中精度优于神经算子。对于强迫各向同性湍流，仿射增强使误差降低超一个数量级，拉格朗日求值在全局重构下的精度比直接求值高出近三个数量级。
来源：arXiv 机器学习 · arxiv.org