arXiv 机器学习· Fan Wu, Cheng Jing, Kookjin Lee·· 4 小时前AI 评分35
F$^3$NO：基于跨尺度条件的频域分解有限时间流映射神经算子
F$^3$NO: Frequency-Decomposed Finite-Time Flow-map Neural Operators with Cross-Scale Conditioning
AI 导读
研究提出了频域分解有限时间流映射神经算子（F$^3$NO），利用更新的低频特征指导高频信息细化，解决 PDE 预测中的误差累积与细尺度解析难题。该模型直接预测指定未来时刻状态，长轨迹预测则结合了短时间段并行预测与分段间递归传播。在 5 个 PDE 基准测试中，F$^3$NO 预测精度优于自回归与直接预测基线，能以更少参数提升准确率。
来源：arXiv 机器学习 · arxiv.org