标签
提出DAIST：一种可组合的AI加速迭代求解器，通过域分解将3D-IC全局热仿真拆分为块级子问题，用神经算子替代子求解器，并经界面温度/热流通量进行迭代耦合，实现跨拓扑复用，在多芯片系统上相对FEM取得最高178倍加速，温度误差低至0.068%。
本文开发了一种混合框架，该框架使用重叠Schwarz交替方法将预训练的NINNs与经典全阶模型耦合，以高效求解对流扩散方程，结果与全域解相当。
本文介绍了一种基于 reinforcement learning 的方法，用于在混合域分解模拟中自适应选择全阶模型（FOMs）和降阶模型（ROMs），使用 deep Q-networks 来平衡瞬态问题中的精度和成本。
本文介绍了LatentDDM，一种在小子域上预训练神经算子并通过组合它们来提高精度、降低在不同域中物理模拟适应成本的方法。
提出了一种基于重叠Schwarz领域分解的层次注意力机制，用局部和粗糙块的两级加性结构替代稠密的全局低秩注意力，训练更快，准确度更高，且参数更少。