arXiv · ML· Baiming Zhang, Shiying Xiong, Zhecheng Wang·· 24 天前AI 评分33
Neural Eigenfluid Bases:基于谱目标、规范与拓扑的低阶流体模型
Neural Eigenfluid Bases: Spectral Objectives, Gauge, and Topology
AI 导读
研究团队提出神经特征流体基(NEB),一种可在空间任意位置评估基函数并直接强制执行不可压缩性的神经表示。 该模型通过几何局部正交化学习有序基,使用1024个模态时,周期性涡旋合并中的速度误差低于1%;相比全参考模型,其简化状态规模缩小约1000倍。 预计算的Galerkin算子允许在重用相同基时实现毫秒级的状态更新。
来源:arXiv · ML · arxiv.org