Невронни оператори

Невронните оператори (Neural Operators) са клас архитектури за дълбоко обучение, проектирани да научават оператори между безкрайно-измерни функционални пространства.

За разлика от традиционните невронни мрежи, които картографират връзки между крайноизмерни вектори (например разпознаване на обекти в изображения с фиксиран размер), невронните оператори са независими от разделителната способност (resolution-independent). Това ги прави изключително ефективни при решаване на сложни частни диференциални уравнения (PDEs) и симулиране на физични процеси в реално време, включително:

• Динамика на флуидите (например уравнения на Навие-Стокс);
• Разпространение на вълни в различни среди;
• Пренос на топлина и структурна механика.

В сравнение с класическите числени симулации, невронните оператори могат да генерират прогнози хиляди пъти по-бързо след първоначалното им обучение.