DiMOn:学习偏微分方程几何依赖解算子的可扩展框架
引言 近年来,利用数值方法求解偏微分方程(Partial Differential Equations, PDEs)已在工程和医学等广泛学科中扮演了重要角色。这些方法在拓扑和设计优化以及临床预测中的应用已显示出显著成效。然而,由于在多种几何体上进行多次问题求解所需的计算成本非常高,导致这些方法在很多场景下变得无法负担。因此,开发能够在不同几何条件下提高PDE求解效率的方法,成为了近年科学机器学习领域的一个研究热点。 论文背景与来源 《A Scalable Framework for Learning the Geometry-Dependent Solution Operators of Partial Differential Equations》这篇文章由Minglang Yin、Nic...