基于可学习 Hodge-Laplacian 的混合专家架构提升稳态 PDE 代理模型精度
一篇 PDE 求解论文,用 Hodge-Laplacian 按谱尺度把任务分给多个 transformer 专家,在 AirFRANS 基准上比 Transolver 误差降了 31%。
一篇 PDE 求解论文,用 Hodge-Laplacian 按谱尺度把任务分给多个 transformer 专家,在 AirFRANS 基准上比 Transolver 误差降了 31%。
这篇论文给做神经算子、物理信息学习或科学计算的团队提供了一个关键诊断工具——预测误差可能骗人,但雅可比谱审计能揪出模型学没学到真正的物理机制。做PDE代理模型或算子学习的建议点开看看,能帮你避免模型“看起来准、用起来崩”的坑。