arXiv · cs.AI· Pu Ren·· 21 小时前AI 评分30
iFLEX：面向科学机器学习时间插值的生成式残差学习方法
Generative Refinement Learning for Temporal Interpolation in Scientific Machine Learning
来源与原文
arXiv · cs.AI
作者：Pu Ren
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/2610.36751v1
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
研究者提出插值流专家模型 iFLEX，先对两次观测做加权平均估计缺失科学场，再用条件扩散模型生成残差进行修正。该方法在 Navier-Stokes Kraichnan 湍流、上海雷达降水和海表温度数据上重建误差低于光学流和视频插值扩散模型等基线。在 Reynolds 数 36,000 的湍流对比中，残差学习将相对 Frobenius 范数误差从直接场生成的约 13.7 降至 10.5，代码已开源。
来源：arXiv · cs.AI · arxiv.org