热点事件观察中
研究者提出融合叠加原理的Transformer神经算子SDNO
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年9月29日，研究人员在 arXiv 发表成果，提出了一种基于叠加原理的深度神经算子 SDNO，用于预测涡轮端壁气膜冷却温度场。该方法将基于 Transformer 的 Calculate Net 与 Super Net 相结合，并利用有符号距离函数（SDF）对气膜孔位进行编码。实验表明，SDNO 模型仅需使用包含 1 至 5 个气膜孔的样本进行训练，即可准确预测未见过的 10 至 20 个孔复杂布局的冷却效果，预测精度和泛化能力均优于全监督基线模型。
AI 根据报道生成 · 7 小时前更新
最新进展9月29日 12:00
研究人员提出神经算子SDNO，仅用少量孔样本训练即可泛化预测多孔气膜冷却。报道时间线
沿着报道，了解事件的不同侧面。
9月29日
- arXiv 机器学习将叠加原理融入 Transformer 神经算子以提升端壁气膜冷却预测泛化能力
研究人员提出基于叠加原理的深度神经算子 SDNO，将基于 Transformer 的 Calculate Net 与 Super Net 结合，用于预测涡轮端壁气膜冷却温度场。该方法利用有符号距离函数 SDF 编码孔位，仅用 1-5 个气膜孔样本训练，即可准确预测未见过的 10-20 个孔布局效果，精度优于全监督基线。
本事件热度走势
当前热度 5·可比范围峰值 5（9月30日 10:00）·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。