محققان در مقاله‌ای جدید، رویکردی نوآورانه برای حل «معادلات دیفرانسیل جزئی» (PDEs) ارائه کرده‌اند که در علوم مهندسی نقشی کلیدی دارند. مدل‌های سنتی در مدل‌سازی سیستم‌های پارامتریک و کوپل (متصل به هم) محدودیت‌هایی داشتند، اما با ارتقای مدل‌های FNO و استفاده از تکنیک‌های هوشمندانه در معماری شبکه، دقت پیش‌بینی این سیستم‌ها بین ۵۵ تا ۷۲ درصد افزایش یافته است. این پیشرفت می‌تواند سرعت و دقت شبیه‌سازی‌های علمی را به شدت بهبود ببخشد. 🧪💻
سازی
منبع: arXiv Machine Learning