ترجمه فارسی مقاله PROSE-FD: یک مدل پایه PDE چندوجهی برای یادگیری چند عملگر برای پیش بینی دینامیک سیالات

340,000 تومان

عنوان مقاله به انگلیسی PROSE-FD: A Multimodal PDE Foundation Model for Learning Multiple Operators for Forecasting Fluid Dynamics
عنوان مقاله به فارسی ترجمه فارسی مقاله PROSE-FD: یک مدل پایه PDE چندوجهی برای یادگیری چند عملگر برای پیش بینی دینامیک سیالات
نویسندگان Yuxuan Liu, Jingmin Sun, Xinjie He, Griffin Pinney, Zecheng Zhang, Hayden Schaeffer
فرمت مقاله انگلیسی PDF
زبان مقاله تحویلی ترجمه فارسی
فرمت مقاله ترجمه شده به صورت فایل ورد
نحوه تحویل ترجمه دو تا سه روز پس از ثبت سفارش (به صورت فایل دانلودی)
تعداد صفحات 17
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Numerical Analysis,Fluid Dynamics,یادگیری ماشین , تجزیه و تحلیل عددی , دینامیک سیال ,
توضیحات Submitted 15 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 15 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP

NASA ADS

Google Scholar

Semantic Scholar

فرمت ارائه ترجمه مقاله تحویل به صورت فایل ورد
زمان تحویل ترجمه مقاله بین 2 تا 3 روز پس از ثبت سفارش
کیفیت ترجمه بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه می‌شود.
جداول و فرمول ها کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج می‌شوند.

چکیده

We propose PROSE-FD, a zero-shot multimodal PDE foundational model for simultaneous prediction of heterogeneous two-dimensional physical systems related to distinct fluid dynamics settings. These systems include shallow water equations and the Navier-Stokes equations with incompressible and compressible flow, regular and complex geometries, and different buoyancy settings. This work presents a new transformer-based multi-operator learning approach that fuses symbolic information to perform operator-based data prediction, i.e. non-autoregressive. By incorporating multiple modalities in the inputs, the PDE foundation model builds in a pathway for including mathematical descriptions of the physical behavior. We pre-train our foundation model on 6 parametric families of equations collected from 13 datasets, including over 60K trajectories. Our model outperforms popular operator learning, computer vision, and multi-physics models, in benchmark forward prediction tasks. We test our architecture choices with ablation studies.

چکیده به فارسی (ترجمه ماشینی)

ما نثر-FD ، یک مدل بنیادی PDE چند حالته صفر برای پیش بینی همزمان سیستم های فیزیکی دو بعدی ناهمگن مربوط به تنظیمات دینامیک سیال مجزا را پیشنهاد می کنیم.این سیستم ها شامل معادلات آب کم عمق و معادلات Navier-Stokes با جریان غیر قابل فشار و فشرده ، هندسه های منظم و پیچیده و تنظیمات مختلف شناور است.این کار یک رویکرد جدید یادگیری چند اپراتور مبتنی بر ترانسفورماتور را ارائه می دهد که اطلاعات نمادین را برای انجام پیش بینی داده های مبتنی بر اپراتور ، یعنی غیر خودپسندانه ، فیوز می کند.با درج چندین روش در ورودی ها ، مدل بنیاد PDE در مسیری ایجاد می شود تا توضیحات ریاضی از رفتار فیزیکی را شامل شود.ما مدل پایه و اساس خود را در 6 خانواده پارامتری معادلات جمع آوری شده از 13 مجموعه داده ، از جمله بیش از 60 کیلوگرم از پیش رد می کنیم.مدل ما از یادگیری اپراتور محبوب ، چشم انداز رایانه و مدلهای چند فیزیک در کارهای پیش بینی پیش رو بهتر است.ما گزینه های معماری خود را با مطالعات فرسایش آزمایش می کنیم.

فرمت ارائه ترجمه مقاله تحویل به صورت فایل ورد
زمان تحویل ترجمه مقاله بین 2 تا 3 روز پس از ثبت سفارش
کیفیت ترجمه بسیار بالا. مقاله فقط توسط مترجمین با مدرک دانشگاهی مترجمی ترجمه می‌شود.
جداول و فرمول ها کلیه جداول و فرمول ها نیز در فایل تحویلی ورد درج می‌شوند.

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “ترجمه فارسی مقاله PROSE-FD: یک مدل پایه PDE چندوجهی برای یادگیری چند عملگر برای پیش بینی دینامیک سیالات”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا