速報
高階光譜卷積：升級版 Fourier 神經算子 (HO‑FNO) 加速非線性 PDE 求解
研究者針對非線性偏微分方程的求解提出高階光譜卷積，將 Fourier 神經算子從對角調變擴展至 n 線性模式混合，提升對多項式非線性互動的捕捉能力。實驗顯示，HO‑FNO 在高度非線性情境下單層即勝過多層 FNO，且與最新 Transformer 與 State‑Space 模型表現相當或更佳。此成果於 GitHub 開源，促進可重現研究。
速報
研究者針對非線性偏微分方程的求解提出高階光譜卷積，將 Fourier 神經算子從對角調變擴展至 n 線性模式混合，提升對多項式非線性互動的捕捉能力。實驗顯示，HO‑FNO 在高度非線性情境下單層即勝過多層 FNO，且與最新 Transformer 與 State‑Space 模型表現相當或更佳。此成果於 GitHub 開源，促進可重現研究。
NVIDIA PhysicsNeMo
本篇說明在 Colab 中建置 NVIDIA PhysicsNeMo，使用 2D Darcy 流動作為基準，產生滲透率與壓力場資料，並訓練 Fourier Neural Operator 與卷積代理模型。透過視覺化與推論基準測試，展示物理感知機器學習在科學模擬上的可行性與效能提升。