站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
分布偏移如何影响神经PDE代理模型的预训练收益？
How Does Distribution Shift Shape Pretraining Gains in Neural PDE Surrogates?
摘要显示，研究者在254,909个RANS解上预训练神经PDE代理模型，再在具有匹配来流范围的新翼型族上微调，比较相同SA模型与加入e^N转捩建模两种目标设定。结果显示，预训练收益取决于目标数据预算、目标数据覆盖度以及源域与目标域是否在建模物理上存在差异，且随样本量变化收益排序会反转。
意义：为科学机器学习中预训练代理模型的迁移策略提供量化依据，提示开发者需根据目标数据量与物理差异权衡预训练收益。