热点事件持续更新
研究者提出随机自适应傅里叶分解神经算子SAFDNO
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，研究人员在论文中提出用于算子学习的随机自适应傅里叶分解神经算子（SAFDNO）。该算子采用自适应 Takenaka-Malmquist 正交系统替代传统的固定傅里叶基，用于求解偏微分方程（PDE）。实验表明，在包含9个PDE的基准测试中，SAFDNO在全部6个规则网格问题上均取得最佳表现，并在Darcy、Burgers与Navier-Stokes等问题中实现显著提升。
AI 根据报道生成 · 4 小时前更新
最新进展10月6日 12:00
研究者提出SAFDNO算子，在6个规则网格PDE基准测试中取得最佳表现。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- arXiv 机器学习用于算子学习的随机自适应傅里叶分解
研究人员提出随机自适应傅里叶分解神经算子（SAFDNO），采用自适应 Takenaka-Malmquist 正交系统替代固定傅里叶基来求解偏微分方程。在 9 个 PDE 基准测试中，SAFDNO 在全部 6 个规则网格问题上取得最佳表现，并在 Darcy、Burgers 与 Navier-Stokes 等问题中提升显著。
本事件热度走势
当前热度 9·可比范围峰值 10（10月6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。