arXiv · ML· Brener Ramos, William R. Wolf, Tarc\'isio C. D. Oliveira, Scott T. M. Dawson·· 8 小时前AI 评分20
基于粗网格图神经网络的参数化非定常流稀疏观测量预测
Predicting Sparse Observables in Parameterized Unsteady Flows Using Coarse-Mesh Graph Neural Networks
AI 导读
该研究提出一种基于粗网格图神经网络（GNN）的降阶模型，直接预测稀疏探针位置和积分量。 模型在雷诺数/瑞利数范围内泛化至未见条件，训练时间和内存需求更低，且性能优于参数化 DMD、稀疏 MLP、U-Net 和 Fourier 神经算子。 自适应采样策略使最大误差降低一个数量级，支持基于稀疏观测的系统识别与状态估计。
来源：arXiv · ML · arxiv.org