热点事件观察中
研究团队提出多分辨率Transformer DeepONet求解辐射传输方程
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10月27日，研究人员在 arXiv 发布成果，提出一种基于 Transformer 的多分辨率 DeepONet，旨在通过非仿射重构高效求解火灾模拟中的辐射传输方程（RTE）。该模型创新性地结合了 Perceiver 编码器与交叉注意力解码器，摆脱了以往必须重采样至统一网格的限制，能够直接处理多空间分辨率输入。在二维池火数据集的测试结果显示，该方法不仅参数量更少，且性能超越了自编码器 DeepONet 基线，能更有效地保留小尺度结构。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 12:00
研究团队提出结合Perceiver编码器的多分辨率DeepONet，高效求解火灾辐射传输方程。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 机器学习超越仿射重构：面向辐射传输方程的多分辨率 Transformer DeepONet
研究人员提出一种基于 Transformer 的多分辨率 DeepONet，通过非仿射重构高效求解火灾模拟中的辐射传输方程（RTE）。该模型结合 Perceiver 编码器与交叉注意力解码器，无需重采样至统一网格即可直接处理多空间分辨率输入。在二维池火数据集测试中，该方法以更少参数超越自编码器 DeepONet 基线，更好地保留了小尺度结构。
本事件热度走势
当前热度 5·可比范围峰值 5（10月28日 11:00）·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。