Neural Operator Splitting 框架提升复杂几何流体仿真精度

Jianxiang Li 等提出 Neural Operator Splitting 框架，按分数步数值格式把每个时间步拆成物理可解释的算子分别学习，并引入条件线性傅里叶神经算子 CL-FNO。在二维和三维变几何流体实验中，完整模型相比单步神经算子将平均相对 L2 rollout 误差在二维降低 68%、三维降低 40%；在相近误差水平下，每步推理速度约为蒙特卡洛求解器的 10^3 倍。