跳到正文
arXiv · ML· Anthony Zhou, Amir Barati Farimani, Shirley Ho, Rudy Morel·· 2026-10-08AI 评分26

跨域预训练提升稳态计算流体力学神经代理泛化能力

Cross-Domain Pretraining for Steady-State Neural CFD Surrogates

AI 导读

研究表明,在多种几何体、边界条件及保真度上进行的跨域预训练,能显著提升神经计算流体力学(CFD)代理模型在留出数据集上的零样本及少样本性能。 微调该预训练模型在相同样本量下,误差可较从头训练降低 2-3 倍,或达到相同误差所需样本减少 8 倍,此优势不依赖特定架构。 鉴于生成 CFD 数据成本高昂,利用现有数据集进行跨域预训练是扩展此类模型应用的有效策略。

来源:arXiv · ML · arxiv.org