CIS-Transolver：汽车气动流预测神经算子

Jianglong Liu 等发布论文，提出跨层增量状态神经算子 CIS-Transolver：该算子把局部多尺度特征编码为几何矩，并与前层信息一起组成跨层记忆，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，CIS-Transolver 的平均相对 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%。这些结果来自论文自报的基准测试。

AI 根据报道生成 · 4 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。