GeoTransolver：使用多尺度几何感知物理注意力 Transformer 在不规则域上进行物理学习
机器学习
2025-12-25 v2 计算物理
摘要
我们提出 GeoTransolver，一种用于 CAE 的多尺度几何感知物理注意力 Transformer，取代标准注意力机制，采用 GALE 将 physics-aware self-attention 与对共享几何/全局/边界条件上下文的 cross-attention 相结合，该上下文由受 DoMINO 启发的多尺度球查询计算得出，并在每个 block 中重复使用。GeoTransolver 在 NVIDIA PhysicsNeMo 中实现并发布，持久投影几何、全局和边界条件参数到 physical state 空间，以将潜在计算锚定到域结构和运行 regime。我们在 DrivAerML、Luminary SHIFT-SUV 和 Luminary SHIFT-Wing 上对 GeoTransolver 进行基准测试，比较了 Domino、Transolver（PhysicsNeMo 中发布的版本）以及文献中报告的 AB-UPT，并评估了 drag/lift R2 和 Relative L1 误差。GeoTransolver 在准确性、对几何/regime 变化的鲁棒性以及数据效率方面均表现更佳；我们包括 DrivAerML 上的消融实验以及诸如轮廓图和设计趋势等定性结果，以表明最佳 GeoTransolver 模型。通过将多尺度几何感知上下文与基于物理的注意力统一为可扩展的 Transformer，GeoTransolver 为跨越复杂、不规则域和非线性物理 regime 的高保真代理建模做出了进步。
关键词
引用
@article{arxiv.2512.20399,
title = {GeoTransolver: Learning Physics on Irregular Domains Using Multi-scale Geometry Aware Physics Attention Transformer},
author = {Corey Adams and Rishikesh Ranade and Ram Cherukuri and Sanjay Choudhry},
journal= {arXiv preprint arXiv:2512.20399},
year = {2025}
}