小辉搞科技|求解PDE家族:加州理工提傅里叶神经算子方法,无惧分辨率变化( 三 )
文章图片
如表3所示 , 在具备足够数据时(ν=1e?3,N=1000和ν=1e?4,N=10000) , FNO-3D展现出了最优性能 。 对于数据不足的情况(ν=1e?4,N=1000和ν=1e?5,N=1000) , 其他方法误差均大于15% , 而FNO-2D的误差值最低 。
此外 , 该研究在64×64×20数据上训练FNO-3D , 在256×256×80上进行评估 , 取得了不错的泛化效果 。 这表明该方法不仅可泛化至不同的空间分辨率 , 对时间分辨率也具备泛化性 。
文章图片
贝叶斯逆问题
文章图片
如上图3所示 , FNO和传统的PDE求解器可以恢复几乎相同的后验均值 。 但是 , FNO只需0.005s即可评估一个实例 , 而经过优化的传统求解器仍需要2.2s 。 使用FNO的MCMC一共用时两分半 , 而使用传统求解器的MCMC则用时超过18个小时 。
第一作者简介
该研究的第一作者ZongyiLi , 目前是加州理工学院计算机和数学系的在读博士生 。 他的研究方向为机器学习、理论计算科学和应用数学 。 最近 , 他一直致力于为偏微分方程研究图神经网络 。
文章图片
【小辉搞科技|求解PDE家族:加州理工提傅里叶神经算子方法,无惧分辨率变化】在来到加州理工之前 , ZongyiLi毕业于圣路易斯华盛顿大学(WashingtonUniversityinSt.Louis) , 主修计算机科学和数学 , 导师为BrendanJuba和XiangTang 。
推荐阅读
- 三星公司发布2021款数字座舱 集成诸多高科技
- 刚有望“出人头地”就被三大科技巨头围剿,“挺川者”新阵地下线
- 谷歌建立新AI系统 可开发甜品配方
- 柔性电子市场广阔,领头羊柔宇科技获更多关注
- 曝LG也将推出卷轴屏手机 你怎么看?
- AI战疫、真5G来了,十大最热门科技应用演绎速度与温度
- 又爆炸!联电科技传来一声巨响,或把8 英寸晶圆市场"炸"了
- 唐山四维智能科技有限公司:双臂机器人引领人机协作新纪元
- 国家超算郑州中心首批重大科技专项启动
- 青岛海科展:五年磨一剑,科技力量助力海洋强国