Accelerating Two-Dimensional Computational Fluid Dynamics via Hybrid Spectral-Geometric Neural Architectures
Este artigo propõe uma arquitetura neural híbrida espectral-geométrica que combina redes convolucionais com métodos espectrais e restrições informadas pela física para alcançar uma aceleração de 414,9x em simulações de fluidos 2D em relação aos solvers tradicionais, mantendo uma alta precisão física em fronteiras complexas e irregulares.