论文提出L-SplineFNO：非结构网格可学习样条神经算子
热点事件持续更新
论文提出L-SplineFNO：非结构网格可学习样条神经算子
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
论文作者团队在arXiv提交L-SplineFNO论文：将FNO主干与稀疏、可学习的张量积B样条传递结合，用于从非结构化网格到场解映射的学习。 基于论文摘要，该方法在六个三维工程基准上保持较强预测精度，较基线算子使用更少内存和计算，在单张A100 GPU上训练扩展到2600万节点、推理4600万节点；解析样条解码器通过Bernstein凸包和Taylor模型，对连续空间和不确定参数给出严格预测界，并在2920万节点的MAST-U托卡马克模型上演示。摘要未提供具体基线、误差数值和完整实验细节。
AI 根据报道生成 · 3 小时前更新
最新进展10月19日 12:00
L-SplineFNO：面向非结构化网格的可学习样条神经算子报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- arXiv · cs.AIL-SplineFNO：面向非结构化网格的可学习样条神经算子
L-SplineFNO将FNO主干与稀疏、可学习张量积B样条传递结合，用于从非结构化网格学习到场解的映射。基于论文摘要，该方法在六个三维工程基准上保持较强预测精度，同时较基线算子使用更少内存和计算，并在单张A100 GPU上扩展到训练2600万节点、推理4600万节点；摘要未提供具体基线、误差数值和完整实验细节。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 910月19日 15:00
- 近 24 小时变化
- –
02.557.510
15:0016:0017:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。