基于扩散模型的湍流插值

Research Paper#Computational Fluid Dynamics, Machine Learning, Diffusion Models🔬 Research|分析: 2026年1月3日 08:40•
发布: 2025年12月31日 11:58
•
1分で読める
•ArXiv

分析

本文探讨了使用去噪扩散概率模型 (DDPMs) 来重建稀疏快照之间的湍流动力学。这具有重要意义，因为它为计算成本高昂的湍流模拟提供了一种潜在的替代模型，而湍流模拟在许多科学和工程应用中至关重要。 关注统计精度，并通过湍动能谱和湍流结构的时间衰减等指标分析生成的流序列，表明了一种严格的方法来验证该方法的有效性。
引用 / 来源
查看原文
"The paper demonstrates a proof-of-concept generative surrogate for reconstructing coherent turbulent dynamics between sparse snapshots."
A
ArXiv2025年12月31日 11:58
* 根据版权法第32条进行合法引用。
较旧

Meta AI announces Massive Multilingual Speech code, models for 1000+ languages

较新

How elites could shape mass preferences as AI reduces persuasion costs

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv