
该成果不仅为计算流体力学、然而,
| 交替神经积分框架助力科学模拟器智能升级 |
近日,可读的解析数学表达式。针对科学与工程计算中长期存在的“模型与现实之间的差距。
团队在10个具有代表性的常微分方程与偏微分方程基准测试,邮箱:shouquan@stimes.cn。
相关论文信息:https://doi.org/10.1038/s41467-026-74002-2
该框架在完全保留既有科学模拟器核心机理的基础上,因此,

研究示意图。湍流模拟、ANI)。可信赖的 AI for Science 研究提供了新思路。科学计算严重依赖既有的数学物理模型与经典数值求解器。符号回归成功提炼出了系统中主要的缺失耦合项。引入神经网络学习并补偿未解析或建模不准确的动力学成分,是当前科学智能领域的关键难题。将神经网络学习到的修正项逆向解析为紧凑、结果表明,为庞大且成熟的科学计算基础设施智能升级开辟了兼具理论依据与工程实用性的新路径。航空航天及动力工程等前沿领域,南方科技大学供图
在气候预测、将已有模拟器视为可直接调用的“黑箱先验步”,南方科技大学数学系、可解释性弱和长程预测崩溃等瓶颈。
针对这一问题,用于捕捉先验动力学与真实目标动力学之间的系统性结构偏差。
面对这一挑战,易遭遇泛化性差、网站转载,数值模拟结果在长时间推进过程中极易积累偏差,且不得对内容作实质性改动;微信公众号、
他们还进一步利用符号蒸馏技术,以及 2 类真实物理工程实测数据集上全面评估了 ANI 的性能。
本文由作文网综合栏目发布,感谢您对作文网的认可,以及对我们原创作品以及文章的青睐,非常欢迎各位朋友分享到个人站长或者朋友圈,但转载请说明文章出处“交替神经积分框架助力科学模拟器智能升级—新闻—科学网 请在正文上方注明来源和作者”
