Rayleigh-Bénard 대류 모델링을 위한 개선된 Fourier Neural Operator
요약
2차원 Rayleigh-Bénard 대류 모델링을 위해 시간 증분을 예측하는 개선된 Fourier Neural Operator(FNO)를 제안합니다. 기존 FNO보다 높은 정확도를 보이면서도 파라미터 수가 적고 추론 속도가 매우 빠릅니다.
핵심 포인트
- 시간 증분 예측 방식을 통해 표준 FNO 대비 정확도 향상
- 314k 파라미터의 컴팩트한 모델 크기와 7ms의 빠른 추론 속도
- 학습 데이터의 해상도가 모델의 정확도에 미치는 영향 확인
우리는 전체 해(full solutions) 대신 시간 증분(time increments)을 예측함으로써 2차원 Rayleigh-Bénard 대류를 모델링하기 위한 개선된 Fourier Neural Operator (FNO)를 제안하며, 이를 통해 표준 FNO 베이스라인보다 더 높은 정확도를 달성합니다. 결과물인 모델은 컴팩트하며 (314k 파라미터, 1.26 MB), 추론 속도가 빠르고 (7 ms inference), 이전 벤치마크에서 입증된 것과 유사한 정확도를 유지합니다. 우리는 FNO가 더 미세한 격자(finer meshes)로 일반화될 수 있음에도 불구하고, 정확도는 학습 데이터의 해상도(resolution)에 의해 제한된다는 것을 보여줍니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기0