@AnimaAnandkumar：很高兴看到FNO在外推方面的成功。

X AI KOLs Following 论文
fourier-neural-operator quantum-systems neural-operators extrapolation physics-informed machine-learning

摘要

傅里叶神经算子（FNOs）在建模周期性驱动的量子系统时取得了外推成功，通过在频率空间中捕捉时间相关性，实现了超越训练数据的物理忠实动力学。

很高兴看到FNO在外推方面的成功。
查看原文
查看缓存全文

缓存时间: 2026/05/29 23:59

很高兴看到FNO在外推任务上取得成功。

PRX Quantum (@PRX_Quantum): 通过捕捉频率空间中的时间相关性，傅立叶神经算子能够对周期性驱动的量子系统进行物理保真建模，并实现超出训练数据的动力学外推。

了解更多：

相似文章

用于$\textit{Norne}$油藏系统的连续物理约束神经算子正向建模

arXiv cs.LG

本文提出了一个全面的数学框架，用于使用傅里叶神经算子（FNO）及其物理信息变体（PINO）对三相黑油油藏动态进行连续代理建模，并应用于Norne基准油藏。理论贡献包括泛函分析公式、协变量偏移分析、物理约束谱稳定性以及截断反向传播梯度分析。