还记得高数中的「斯托克斯公式」吗?用深度学习在傅里叶空间中求解可提速1000倍

近日加州理工学院的研究人员推出一种用于解决偏微分方程(PDE)的全新深度学习技术,通过直接在傅立叶空间中对积分内核进行参数化,制定了一种新的神经元运算符,比传统的数学公式快1000倍,这将减轻对超级计算机的依赖,并提高为更大问题建模的计算能力。


以纳维-斯托克斯公式方程为例个方程
在这里,「解决」的含义可能最好地通过一个例子来说明。假设你正试图模拟空气湍流来测试一种新的飞机设计。有一种已知的偏微分方程叫做「Navier-Stokes」,用来描述任何流体的运动。



工作原理
函数拟合


除了在计算速度上远超传统方法,他们的技术还实现了比以往的深度学习方法解决Navier-Stokes方程降低30% 的错误率。
参考链接:
IEEE Spectrum
《科技纵览》
官方微信公众平台

