FlowForge：用于流场预测的分阶段局部滚动引擎
机器学习
2026-04-27 v2
摘要
CFD流场预测的深度学习替代方案通常依赖大型复杂模型，在数据噪声或不完整时往往缓慢且脆弱。我们引入FlowForge——一个分阶段局部滚动引擎，通过编译保持局部性的更新计划并以共享轻量级局部预测器执行，来预测未来流场。FlowForge以空间位置的级联方式生成后续帧，每个更新仅依赖于由前序阶段暴露的受限局部上下文。这种编译-执行设计将推理与短程物理相关性保持一致，使延迟可预测，并限制了来自全局混合的误差放大。在PDEBench、CFDBench和BubbleML上，FlowForge在点预测精度上匹配或优于强基准，在噪声和缺失观测的鲁棒性上持续表现更佳，同时保持稳定的多步滚动行为并降低了每步延迟。
引用
@article{arxiv.2604.18953,
title = {FlowForge: A Staged Local Rollout Engine for Flow-Field Prediction},
author = {Xiaowen Zhang and Ziming Zhou and Fengnian Zhao and David L. S. Hung},
journal= {arXiv preprint arXiv:2604.18953},
year = {2026}
}
备注
Main paper: 13 pages, 6 figures, 2 tables. Appendix: 17 pages, 7 figures, 1 table. arXiv preprint