百科问答小站 logo
百科问答小站 font logo



计算流体力学(CFD)里应用注意力机制(attention)是否可行? 第1页

  

user avatar   li-xin-yu-20-30 网友的相关建议: 
      

个人感觉,CFD主流还是倾向于用基本的确定物理规律(三大方程+状态方程等),辅助以少量的经验模型(DNS甚至不使用经验模型)来预测物理现象,对黑箱的接受度还不高。

2022年更新,之前是我孤陋寡闻了,在此表示歉意。PINN这一类已经不算是“黑箱”了,他的本质就是凑出拟合函数来优化全局误差,和有限元凑出插值函数的思路差不多。能接受有限元,就会慢慢接受PINN。

如果将来能够提高精度,深度学习完全有希望胜任CFD模拟,且它的重算,微扰计算和反问题求解相当快,搞三维超实时仿真也没问题。


user avatar   jin-xue-feng 网友的相关建议: 
      

对CFD不熟,可以参考一下电磁仿真(麦克斯韦方程)和分子动力(牛顿力学),现在在这些领域有一些进展了,一般的范式是通过经典的方程生成小数据,基于这个小数据进行神经网络训练实现小尺度到大尺度的扩展,性能上可以实现数量级的提升;当然神经网络不一定是attention机制,同时CFD,尤其是湍流,难度比其他领域更大,更复杂,不确定这个方法是否好使,不过万一有效,那也是一篇nature啊。

MindSpore在电磁仿真和分子动力学上做了一些探索,供参考:




  

相关话题

  从喜马拉雅山顶将吸管直接插至海平面的水面能否吸到水? 
  如果你是面试官,你怎么去判断一个面试者的深度学习水平? 
  如何评价沐神他们写的《动手学深度学习》这本书? 
  普通FPGA工程师怎样向人工智能靠拢? 
  如何评价微软提出的无监督视觉模型BEiT:ImageNet达到88.6,ADE20K达到57.0? 
  AMD 开源高性能机器智能库MIopen是否可以和cuDNN抗衡? 
  如何评价DALL-E模型的实现? 
  如何看待谷歌研究人员提出的卷积正则化方法「DropBlock」? 
  GAN:固定训练好的判别器网络,去指导训练生成器为什么不可以? 
  你所在的研究领域里,有哪些工作的结果虽然不是造假,但是是精挑细选出来的? 

前一个讨论
CTC和Encoder-Decoder有什么关系?
下一个讨论
你是因为什么而喜欢上编程的?





© 2025-03-04 - tinynew.org. All Rights Reserved.
© 2025-03-04 - tinynew.org. 保留所有权利