arXiv · cs.AI· Georg Maierhofer, Miles Cranmer, Payel Mukhopadhyay·· 5 小时前
Mesh-Native Convolution：将物理基础模型改造为适用于非结构化网格数据
Mesh-Native Tokenisation: Retrofitting Foundation Models to Unstructured Data
arXiv:2610.12618v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Georg Maierhofer, Miles Cranmer, Payel Mukhopadhyay
研究任务与主要进展
研究提出Mesh-Native Convolution（MNC），这是一种面向非结构化网格、具有局部性感知特征的tokenisation层，可将物理场数据编码为类似CNN的表示。基于论文摘要，作者报告模型能够一次在网格数据上训练后部署到任意非结构化网格，许多情况下可零样本取得可接受精度，并经过少量微调超过现有基线；作者还给出了该方法与经典CNN编码器一致性的理论结果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org