热点事件持续更新
研究者提出旋转等变神经算子IKNO
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月9日，研究者在arXiv发表研究，提出用于旋转鲁棒神经动力学的各向同性核神经算子IKNO。该算子通过结合旋转不变标量与旋转矢量方向，有效消除了三维Navier-Stokes动力学等向量偏微分方程预测过程中的坐标系依赖。测试表明，IKNO实现了数值精度一致性，仅用少5.6倍的参数量便达到了通用Tensor Field Network的预测精度，且性能超越同等参数规模的图模拟器。
AI 根据报道生成 · 4 小时前更新
最新进展10月9日 12:00
研究者提出各向同性核神经算子IKNO，参数量减少5.6倍且精度媲美TFN。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv 机器学习用于旋转鲁棒神经动力学的精确 SO(3) 等变各向同性核
研究者提出各向同性核神经算子 IKNO，通过结合旋转不变标量与旋转矢量方向，消除三维 Navier-Stokes 动力学等向量偏微分方程预测中的坐标系依赖。在测试中，IKNO 实现了数值精度一致性，以少 5.6 倍的参数量达到了通用 Tensor Field Network 的预测精度，并超越同等参数规模的图模拟器。
本事件热度走势
当前热度 9·可比范围峰值 10（10月9日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。