Accelerating Two-Dimensional Computational Fluid Dynamics via Hybrid Spectral-Geometric Neural Architectures
Cet article propose une architecture neuronale hybride spectrale-géométrique qui combine des réseaux convolutionnels avec des méthodes spectrales et des contraintes informées par la physique afin d'obtenir une accélération de 414,9x dans les simulations de fluides 2D par rapport aux solveurs traditionnels, tout en maintenant une grande précision physique sur des frontières complexes et irrégulières.