按年被提到
20202020 · 3 次2026
机器学习与深度学习›优化与可微编程·arXiv:2010.08895 · cs.LG

Fourier Neural Operator for Parametric Partial Differential Equations

用于参数化偏微分方程的傅里叶神经算子
Zongyi Li, Nikola Kovachki, Kamyar Azizzadenesheli, Burigede Liu, Kaushik Bhattacharya, Andrew Stuart, Anima Anandkumar · 2020

在傅里叶空间参数化积分核的神经算子,用于求解 PDE

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 4 人首次 2020-10-30 · 最近 2025-02-26发表于 CaltechAUTHORS (California Institute of Technology)
4不同的人
3活跃月份
4讨论串
1,340被引(OpenAlex)

提出傅里叶神经算子:通过直接在傅里叶空间参数化积分核,构造一种表达力强又高效的神经算子,学习从函数参数依赖到 PDE 解的映射,从而一次学会一整族方程。在 Burgers、Darcy 和 Navier-Stokes 方程上实验,宣称是首个能以零样本超分辨率成功建模湍流的 ML 方法,比传统求解器快至多三个数量级。

HN 为什么提它

评论者把它作为用神经网络求解 Navier-Stokes 等复杂 PDE 的有趣工作,并指出 Fourier Neural Operators 是学习相互作用时该搜索的关键词。

方法难度 4 / 5约 60 分钟经得起时间
读之前最好知道
1偏微分方程(Navier-Stokes、Darcy 流)
2傅里叶变换
3神经算子(neural operator)
4函数空间之间的映射

学习路径

读这篇之前,按顺序读书架上的 2 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出

候选里和傅里叶神经算子直接相关的论文很少,这里只挑出用神经网络求解 PDE 的两篇相关工作作为背景,再读目标论文。

  1. 1
    Implicit Neural Representations with Periodic Activation Functions使用周期性激活函数的隐式神经表示 · 2020

    用神经网络表示信号及其导数、求解边值问题,展示了神经网络求解微分方程的一种思路(逐实例求解)。

    读正弦激活网络如何拟合函数及其导数,并用于求解泊松方程等;对比 FNO 学习整族 PDE 的解算子。

  2. 2

    用学习方法加速流体 PDE 数值求解的相关工作,是 FNO 所针对问题的另一种路线。

    读学习型修正如何嵌入传统求解器、在粗网格上保持精度;与 FNO 的纯算子学习做对照。

  3. 3
    Fourier Neural Operator for Parametric Partial Differential Equations用于参数化偏微分方程的傅里叶神经算子 · 2020 · 就是这篇

    目标论文:在傅里叶空间参数化积分核的神经算子,学习函数空间之间的映射。

    读神经算子的迭代结构、傅里叶层中截断频率模式后做线性变换,以及 Burgers、Darcy、Navier-Stokes 实验。

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐aqme28 · 2020-11

“Here's another interesting one using a neural network to solve complicated PDEs like Navier-Stokes: Fourier Neural Operator for Parametric Partial Differential Equations”

另推荐一篇用神经网络求解 Navier-Stokes 等复杂 PDE 的论文
Learning coupled differential equations subject to non-conservative forces原评论 ↗
引用bjenik · 2025-02

“Learning those interactions rather than just hardcoding them has been fairly widely explored as well - the term to look for is Fourier Neural Operators [1][2].”

指出学习而非硬编码这些相互作用已有广泛探索,可搜索 Fourier Neural Operators
The FFT Strikes Back: An Efficient Alternative to Self-Attention原评论 ↗
被提交为 story · 2 次