Accelerating Two-Dimensional Computational Fluid Dynamics via Hybrid Spectral-Geometric Neural Architectures
Dieses Paper schlägt eine hybride spektral-geometrische neuronale Architektur vor, die konvolutionale Netzwerke mit spektralen Methoden und physikbasierten Constraints kombiniert, um eine 414,9-fache Beschleunigung bei 2D-Strömungssimulationen gegenüber traditionellen Solvern zu erreichen und dabei eine hohe physikalische Genauigkeit an komplexen, unregelmäßigen Randbedingungen beizubehalten.