arXiv · cs.AI· Jinyoung Jeong·· 3 天前AI 评分27
面向双曲输运图神经求解器的 CFL 感知边设计
CFL-aware edge design for graph neural solvers of hyperbolic transport
来源与原文
arXiv · cs.AI
作者：Jinyoung Jeong
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.33769v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项 arXiv 研究提出在 GNN 求解双曲 PDE 时将输运尺度显式编码为边局部的 CFL 信号。在固定架构、仅改变边信息形式的条件下，当边表示已暴露方向与波速等输运交互时，CFL 条件化将末步误差降低 10.4-14.4%，且步长越大提升越明显；改进源于抑制激波附近的振荡而非平滑解。
来源：arXiv · cs.AI · arxiv.org