FNO-MoE加速近显式大气化学模拟
热点事件持续更新
FNO-MoE加速近显式大气化学模拟
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Zhi-Song Liu等人提出FNO-MoE神经算子，可在单次调用中预测30分钟内完整的近显式大气化学状态；研究称，它比数值求解器快数个数量级。 该方法利用不同专家预测间的分歧，主动挑选box-model模拟数据用于训练。作者称，在相同成本下，这种采样比随机或均匀采样更准确；经长轨迹微调后，模型可在多小时运行中保持稳定，并能复现数千种物种的演化，对未见化学组成也保持准确。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
FNO-MoE：用于近显式大气化学的主动训练神经算子报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningFNO-MoE：用于近显式大气化学的主动训练神经算子
研究提出 FNO-MoE，一种结合混合专家的 Fourier neural operator，可在单次调用中预测覆盖 30 分钟的完整近显式大气化学状态。该网络利用专家分歧选择 box-model 模拟进行主动采样，在相同成本下比随机或均匀采样更准确；长轨迹微调后可在多小时运行中保持稳定。它能高保真复现数千种物种的演化，对未见化学组成仍准确，速度比数值求解器快数个数量级。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。