跳到正文
热点事件持续更新

Kaiwen Li等提出PSTO算子提升多尺度CDR系统模拟精度

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月20日,arXiv平台发布ML领域新论文,作者Kaiwen Li、Dezhi Zhou、Kun Wu与Xingcai Lu提出了PDE-Structured Transport Operator(PSTO),用于多尺度CDR系统的PDE结构化传输模拟。该模型通过共享传输块和放宽的不动点迭代实现隐式校正,提升了递归预测稳定性。 PSTO仅使用无反应数据学习平流-扩散动力学,实现了多尺度CDR动力学的高效模块化建模。在100步耦合预测中,该模型较最强神经基线将平均相对L2误差降低至少50%。

AI 根据报道生成 · 13 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    PSTO:一种具有共享隐式更新的多尺度 CDR 系统 PDE 结构化传输算子

    PSTO 通过仅使用无反应数据学习平流-扩散动力学,在 100 步耦合预测中较最强神经基线将平均相对 L2 误差降低至少 50%。 该模型通过共享传输块和放宽的不动点迭代实现隐式校正,提升了递归预测的稳定性。 PSTO 框架通过分离传输学习和本地动力学处理,实现了多尺度 CDR 动力学的高效模块化建模。

本事件热度走势

可比范围当前
6
可比范围峰值
911月20日 16:00
近 24 小时变化
–

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。