热点事件观察中
研究团队提出可解释神经算子框架KernelOnet
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30日，研究人员在arXiv上公布了可解释神经算子框架KernelOnet。该框架通过显式核函数替代传统DeepONet的trunk网络，并提供数据驱动核、物理信息核与混合核三种形式。在三个基准测试和浅水波导工程问题的评估中，KernelOnet相比DeepONet以更少的可学习参数实现了更高精度，且无监督配置无需内部解标签。此外，该模型的单次查询推理成本远低于逐实例求解器。
AI 根据报道生成 · 4 小时前更新
最新进展9月30日 12:00
研究团队提出神经算子框架KernelOnet，通过显式核函数以更少参数实现更高精度并降低推理成本。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv 机器学习KernelOnet：基于核函数的可解释神经算子框架
研究人员提出可解释神经算子框架 KernelOnet，通过显式核函数替代传统 DeepONet 的 trunk 网络，并提供数据驱动核、物理信息核与混合核三种形式。在三个基准测试和浅水波导工程问题中，KernelOnet 相比 DeepONet 以更少的可学习参数实现了更高精度，且无监督配置无需内部解标签。该模型的单次查询推理成本远低于逐实例求解器。
本事件热度走势
当前热度 5·可比范围峰值 5（10月1日 12:00）·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。