Geo-FNO：共同署名几何域映射与PDE流场研究
人工整理｜Geo-FNO共同署名研究把不规则物理域映射到均匀潜在域后预测PDE场；结构化网格可使用已知映射，非结构化情况联合学习x+f(x,a)，文中f为3层宽32网络。复杂拓扑另讨论延拓及域分解，可作几何与流场研究的方法参考。翼型训练用8控制节点，逆设计示例为7样条节点，范围分别保留。原文为2024-05-02的v2，首发2022；旧仓库停止维护。未训练、验证通用性能或查看两张截断大图，不是商业CG网格、材质、绑定或影视流体交付教程。
Anima Anandkumar / 共同署名物理场研究发布时间： 模型与能力 · 文本
- 未知
Anima Anandkumar / 共同署名物理场研究发布时间：未知 编程与智能体 · 图文MeshfreeFlowNet：共同署名连续时空物理场超分辨率
人工整理｜MeshfreeFlowNet共同署名项目用U-Net式上下文网络产生潜在网格，再以连续解码MLP按时空坐标采样物理场，并加入PDE约束；原Figure 1对照低分辨率输入与高分辨率预测，可作物理场超分辨率和科学可视化研究参考。128GPU、96.80%扩展效率及少于4分钟训练是作者特定集群实验，未独立核验。保留9位共同作者，只读项目文字与静图，未读整篇PDF、运行代码或播放GIF/视频；不是普通照片放大、影视插帧或商业CG流程，项目发布日期未知。