arXiv · cs.AI · Jianglong Liu, Zhicheng Zhu, Jia Hao, Liangyue Jia, Wenxuan He · 10 小时前模型评分31
CIS-Transolver：面向精细汽车气动流预测的跨层增量状态神经算子
CIS-Transolver: A Cross-layer Incremental-State Neural Operator for Fine-Scale Automotive Aerodynamic Flow Prediction
导读
研究提出跨层增量状态神经算子 CIS-Transolver，将局部多尺度特征编码为几何矩并与前层信息组成跨层记忆，用于精细汽车气动流预测。在 ShapeNet-Car、AhmedML 和 DrivAerNet++ 三个公开基准的五项预测指标上，其平均相对 L2 误差均为最低，较最佳基线平均降低 8.72%，高频谱误差平均降低 16.06%。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：制造与工业
事件类型：研究发布
证据摘录
- “Inspired by iterative refinement and state evolution, we propose CIS-Transolver, a cross-layer incremental-state neural operator that integrates local multiscale information into global flow modeling.”
来源：arXiv · cs.AI · arxiv.org