跨域预训练提升CFD神经代理模型性能

Anthony Zhou 等作者发表研究称，跨域预训练能提升稳态神经 CFD 代理模型在未见数据集上的零样本和少样本性能，且优于从零训练和从特定领域专家模型迁移。 在相同样本量下，微调跨域预训练模型比从零训练误差降低 2-3 倍；达到相同误差所需样本量减少 8 倍。作者称该增益与架构无关，并随模型规模和预训练数据多样性提升，直接汇集稳态数据集即可有效实现跨域预训练。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。