亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Multipole Graph Neural Operator for Parametric Partial Differential Equations

离散化 计算机科学 人工神经网络 快速多极方法 偏微分方程 操作员(生物学) 理论计算机科学 算法 应用数学 数学优化 数学 人工智能 多极展开 数学分析 生物化学 量子力学 转录因子 基因 物理 抑制因子 化学
作者
Zongyi Li,Nikola B. Kovachki,Kamyar Azizzadenesheli,Burigede Liu,Kaushik Bhattacharya,Andrew M. Stuart,Anima Anandkumar
出处
期刊:Cornell University - arXiv 被引量:109
标识
DOI:10.48550/arxiv.2006.09535
摘要

One of the main challenges in using deep learning-based methods for simulating physical systems and solving partial differential equations (PDEs) is formulating physics-based data in the desired structure for neural networks. Graph neural networks (GNNs) have gained popularity in this area since graphs offer a natural way of modeling particle interactions and provide a clear way of discretizing the continuum models. However, the graphs constructed for approximating such tasks usually ignore long-range interactions due to unfavorable scaling of the computational complexity with respect to the number of nodes. The errors due to these approximations scale with the discretization of the system, thereby not allowing for generalization under mesh-refinement. Inspired by the classical multipole methods, we propose a novel multi-level graph neural network framework that captures interaction at all ranges with only linear complexity. Our multi-level formulation is equivalent to recursively adding inducing points to the kernel matrix, unifying GNNs with multi-resolution matrix factorization of the kernel. Experiments confirm our multi-graph network learns discretization-invariant solution operators to PDEs and can be evaluated in linear time.

科研通智能强力驱动
Strongly Powered by AbleSci AI

祝大家在新的一年里科研腾飞
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
爆米花应助科研通管家采纳,获得10
12秒前
13秒前
呜呼啦呼完成签到 ,获得积分10
21秒前
许三问完成签到 ,获得积分0
2分钟前
小美完成签到 ,获得积分10
2分钟前
聪明勇敢有力气完成签到 ,获得积分10
2分钟前
Artin完成签到,获得积分10
3分钟前
欣喜的人龙完成签到 ,获得积分10
3分钟前
3分钟前
微信研友发布了新的文献求助10
3分钟前
过分动真完成签到 ,获得积分10
4分钟前
aprise完成签到 ,获得积分10
4分钟前
ANON_TOKYO完成签到,获得积分10
4分钟前
科研通AI2S应助ANON_TOKYO采纳,获得10
4分钟前
科研通AI2S应助ANON_TOKYO采纳,获得10
4分钟前
4分钟前
沫沫完成签到 ,获得积分10
4分钟前
5分钟前
沫沫发布了新的文献求助10
5分钟前
5分钟前
Jack发布了新的文献求助10
5分钟前
嘿嘿完成签到 ,获得积分10
5分钟前
Owen应助Jack采纳,获得30
6分钟前
从别后忆相逢完成签到 ,获得积分10
6分钟前
6分钟前
Umair发布了新的文献求助10
6分钟前
6分钟前
大胆机器猫完成签到,获得积分10
6分钟前
轩辕远航完成签到 ,获得积分10
6分钟前
7分钟前
元神完成签到 ,获得积分10
7分钟前
7分钟前
ycc发布了新的文献求助10
7分钟前
香蕉觅云应助ycc采纳,获得10
7分钟前
Akim应助眼睛大追命采纳,获得10
7分钟前
Umair完成签到,获得积分10
7分钟前
TXZ06完成签到,获得积分10
8分钟前
艺霖大王完成签到 ,获得积分10
8分钟前
pegasus0802完成签到,获得积分10
8分钟前
8分钟前
高分求助中
Востребованный временем 2500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 1000
Kidney Transplantation: Principles and Practice 1000
The Restraining Hand: Captivity for Christ in China 500
Encyclopedia of Mental Health Reference Work 400
The Collected Works of Jeremy Bentham: Rights, Representation, and Reform: Nonsense upon Stilts and Other Writings on the French Revolution 320
Studi sul Vicino Oriente antico dedicati alla memoria di Luigi Cagni vol.1 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3372870
求助须知:如何正确求助?哪些是违规求助? 2990391
关于积分的说明 8740963
捐赠科研通 2674069
什么是DOI,文献DOI怎么找? 1464852
科研通“疑难数据库(出版商)”最低求助积分说明 677681
邀请新用户注册赠送积分活动 669082