COMPOL: Framework per Operatori Neurali per Simulazioni Multi-Fisiche Accoppiate

I ricercatori hanno introdotto COMPOL, un nuovo framework di apprendimento per operatori multifisici accoppiati, progettato per migliorare l'accuratezza delle simulazioni che coinvolgono molteplici processi fisici interagenti. Mentre gli operatori neurali esistenti come l'Operatore Neurale di Fourier (FNO) hanno migliorato l'efficienza computazionale, spesso non riescono a catturare le intricate correlazioni nei sistemi accoppiati. COMPOL estende le architetture convenzionali incorporando meccanismi di aggregazione ricorrenti e basati sull'attenzione, consentendo una modellazione efficace delle interdipendenze tra i processi fisici all'interno degli spazi delle caratteristiche latenti. Il framework è agnostico rispetto all'architettura e può essere integrato in vari framework di operatori neurali che coinvolgono trasformazioni dello spazio latente. Esperimenti approfonditi su benchmark, inclusi sistemi biologici di reazione-diffusione, ne dimostrano l'efficacia.