无数据集预训练框架用于非结构网格神经PDE求解器

Luis Medrano-Navarro 等研究者提出一种无需磁盘数据的预训练框架，用于非结构化 3D 几何上的神经 PDE 求解器。该框架对稳态问题采用基于内在形状描述符的几何驱动策略，对瞬态问题则通过在线生成合成 PDE 数据实现物理驱动的可扩展预训练。 研究者称，实验显示该方法在微调阶段收敛更快、数据效率更高、精度更优，尤其在低数据场景下。该工作已被 NeurIPS 2026 接收。

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。