Temporal self-attention improves field-based flow prediction under distribution shift and incomplete conditioning
Il documento introduce GLoOD, un modello autoregressivo che sfrutta l'auto-attenzione temporale sugli embedding visivi per migliorare significativamente l'accuratezza e la robustezza delle previsioni del flusso di fluidi in campo attraverso diverse geometrie e regimi di flusso senza richiedere parametri fisici espliciti o riaddestramento.