Accelerating Two-Dimensional Computational Fluid Dynamics via Hybrid Spectral-Geometric Neural Architectures
Este artículo propone una arquitectura neuronal híbrida espectral-geométrica que combina redes convolucionales con métodos espectrales y restricciones informadas por la física para lograr una aceleración de 414.9x en simulaciones de fluidos 2D sobre los resolvedores tradicionales, manteniendo al mismo tiempo una alta precisión física en fronteras complejas e irregulares.