神经算子在3D工业规模工程设计中的全面比较
计算工程、金融与科学
2025-10-14 v2
摘要
神经算子作为学习函数空间之间非线性映射的强大工具，已在众多科学和工程应用中实现复杂动力学的实时预测。随着其在工程设计评估中的广泛应用，针对不同问题设置，提出了多种神经算子架构。然而，由于缺乏公平且全面的比较，模型选择仍面临挑战。为此，我们提出并标准化了六套代表性3D工业规模工程设计数据集，涵盖热力学分析、线性弹性、弹塑性、时变塑性问题及计算流体动力学。所有数据集包含预处理好的输入输出，可直接用于各种神经算子架构。利用这些数据集，我们系统比较了四类神经算子变体：受DeepONet启发的分支-树干型神经算子、受图神经网络启发的图基神经算子、受傅里叶神经算子启发的网格基神经算子，以及受PointNet启发的点基神经算子。我们进一步引入实用性增强，使这些模型适应不同工程环境，提高比较的公平性。本基准研究以预测性能、计算效率、内存使用和部署复杂度等维度评估每个模型的优势与局限。研究结果为指导未来神经算子发展提供了可操作性见解。
引用
@article{arxiv.2510.05995,
title = {A comprehensive comparison of neural operators for 3D industry-scale engineering designs},
author = {Weiheng Zhong and Qibang Liu and Diab Abueidda and Seid Koric and Hadi Meidani},
journal= {arXiv preprint arXiv:2510.05995},
year = {2025}
}