标签
FLARE++ 是一种低秩注意力架构，用输入条件动态路由取代静态学习查询，在 PDE 代理基准和 Long Range Arena 上均优于 FLARE，同时保持线性复杂度。
本文提出了一种基于扩散的框架，用于学习条件于观测到的偏微分方程动力学的自适应网格离散化，利用谱引导和物理约束在需要的地方分配分辨率。该方法在五种偏微分方程场景中取得了具有竞争力或更优的性能。
提出REEF-GP，一种事后不确定性量化框架，通过将高斯过程拟合到冻结神经算子的残差上并利用其内部嵌入，以低成本实现几何感知且校准的不确定性。
Operator Boosting 是一种逐阶段残差学习框架，通过在残差场上训练微型模型来构建紧凑的神经算子替代模型，用于求解 PDE。其精度可与全尺寸模型相媲美甚至更优，同时参数减少高达 95%，在多个基准测试中展示了帕累托改进。