学术成果官方认证

回旋动理学湍流模拟的神经算子加速方法

Neural operator surrogates for gyrokinetic turbulence simulation

提出以傅里叶神经算子学习 GENE 湍流输运通量映射的代理模型,在保持物理精度的同时获得 10^3 量级加速比。

发起对比
0 浏览0 收藏2026-09-21 收录

结构化信息

成果类型
预印本
预印本编号
—
作者
公开日期
2025-03
版本状态
—
开放获取状态
开放获取
被引次数
3
关键词
神经算子回旋动理学AI 加速

AI 摘要

提出以傅里叶神经算子学习 GENE 湍流输运通量映射的代理模型,在保持物理精度的同时获得 10^3 量级加速比。

  • 提出以傅里叶神经算子学习 GENE 湍流输运通量映射的代理模型,在保持物理精度的同时获得 10^3 量级加速比。
推荐一篇已有论文

推荐表达社区关注,不代表学术评审结论。论文作者与推荐者分别记录。

登录后推荐论文

派生网络(上游基础 / 下游应用)

基于 / 引用 / 使用(上游)
  • GENE— 学术成果uses_code

围绕此资源交流

关联的问题与实践文章会汇集在这里。

尚无关联问题,欢迎提出真实使用中的疑问。

评论与讨论(0)

登录后可发表评论
暂无评论,来发表第一条见解