LE-PDE++: 利用 Mamba 加速 PDE 仿真
机器学习
2024-11-13 v2 人工智能
摘要
偏微分方程是建模科学与自然系统的基础工具，如流体动力学和天气预报。潜变量演化 PDE（LE-PDE）方法旨在通过提出一种可扩展且高效的替代方案，解决经典 PDE 求解器与基于深度学习的 PDE 求解器计算强度大的问题。为提升 LE-PDE 的效率与准确性，我们引入了 Mamba 模型——一种先进的机器学习模型，以其预测效率和处理复杂动态系统的鲁棒性著称，并采用渐进式学习策略。LE-PDE 在多个基准问题上进行了测试。该方法在保持高精度的同时，与传统求解器和独立深度学习模型相比，计算时间显著减少。我们的方法在推理速度上较 LE-PDE 提升了两倍，同时保持了相同的参数效率，使其非常适合需要长期预测的场景。
引用
@article{arxiv.2411.01897,
title = {LE-PDE++: Mamba for accelerating PDEs Simulations},
author = {Aoming Liang and Zhaoyang Mu and Qi liu and Ruipeng Li and Mingming Ge and Dixia Fan},
journal= {arXiv preprint arXiv:2411.01897},
year = {2024}
}