如何理解Fourier Neural Operator (FNO)

FNO实战:用Fourier Neural Operator快速求解偏微分方程(附Python代码) 本文详细介绍了Fourier Neural Operator在快速求解偏微分方程中的实战应用。通过Burgers方程案例,从数据生成、模型构建到训练评估,完整展示了FNO如何实现从参数到解的映射学习,相比传统数值方法实现毫秒级推理,大幅提升计算效率。 阅读详情
AI摘要

本文介绍了FourierNeuralOperator(FNO)和GraphNeuralOperator(GNO)在处理偏微分方程中的理论背景,强调了它们如何通过神经网络学习函数簇映射和使用格林函数求解。文章还讨论了采样点数量的选择策略,以及FNO与CNN滤波的直观对比。

写这篇blog是因为多方参考才读懂这两篇文章,希望能用自己的语言表达出来加深一下理解。因为是刚刚开始学习这部分内容,错误之处敬请指出。

前言

2022年Nvidia发表在arXiv上的的FourcastNet作为几乎是最早的一篇气象大模型的工作(之前Google Research的MetNet主要还是对于降水的预报)。除了Transformer的backbone之外,使用到了2021年发表在ICLR上的Fourier Neural Operator。为了更好的理解模型的理论基础,可以详细学习一下 Fourier neural operator for parametric partial differential equations 以及他的前期工作 Neural operator: graph kernel network for PDE。

文章指路:
GNO
FNO
作者对这两篇文章的解析blog

算子Operator概念理解

算子(Operator)是函数空间到函数空间的映射。从广义上讲,对任何函数进行某一项操作都可以看作是一个算子。在神经网络中例如convolution,fully connected layer等,都可以当作一种算子。

因此,区别于之前的一些PINN文章,从 给定的一个函数中采样 x x x和对应的 y y y,建立一个神经网络来学习这个函数,本篇文章中提到的Operator旨在学习一个函数簇到另一个函数簇的映射。例如,具有不同初始条件的Burgers方程,到这些方程的解的映射,是这个神经网络算子需要学习的内容。

因此他的好处在于,对于某种表达形式的方程,例如Burgers方程,训练一个算子可以得到Burgers方程不同初始条件下的解。而文章中所提到的参数 a a a,可以理解成初始条件/边界条件/含有物理意义的系数等。

问题建立

请添加图片描述
假设我们有一个一般的二阶椭圆偏微分方程,其中u是需要求解的函数,f(x)是右端项,a(x)是参数。一般的,f(x)和a(x)均为已知。f(x)也可以理解成物理方程中的强迫项。方程可以以算子的形式表示,如下图所示。请添加图片描述
偏微分方程一般可以写成上述形式。 L a L_a La​表示在参数 a a a是的算子。
在这里插入图片描述
作者希望用神经网络来模拟映射关系F,实现一组方程在给定不同参数a的情况下,求得方程的解。其中,A是参数a的集合,或者理解成参数空间。
在这种情况下,神经网络的输入和输出都是函数的表达式。为了能表示出函数,作者在 a a a

PDE算子学习框架-----Fourier neural operator 代码注解 【代码】Fourier neural operator 代码注解。 阅读详情

相关推荐

Fourier Neural Operator (FNO) 在偏微分方程求解中的核心思想与应用

本文深入解析了Fourier Neural Operator (FNO) 的核心思想,即从学习“解一个方程”转变为学习“解一类方程”的通用算子。其通过傅里叶变换在频率域进行全局信息处理,克服了传统数值方法重复计算与卷积神经网络局部视野的局限,在气象预测、流体模拟等领域实现了超高速推理与强大的泛化能力。

weixin_29038303的博客 564

物理信息神经网络如何重塑AI气象预报范式

气象预报正从传统数值模拟迈向AI驱动的新阶段,其核心已不再是简单叠加深度学习模型,而是将纳维-斯托克斯方程、热力学守恒律等物理先验深度嵌入神经网络结构。物理信息神经网络(PINN/PINO)通过算子学习与物理损失约束,在保持大气动力学一致性的前提下,显著提升高分辨率短临预测的精度与速度。相比纯数据驱动方法,它规避了伪影生成、误差传递失控与计算冗余等固有缺陷,真正实现预报不确定性量化与业务级实时响应。本文聚焦AI气象预报落地中的物理一致性设计、FNO架构选型、课程学习策略及CIMISS系统集成实践,为气象、能

weixin_34348805的博客 357

PTNO:面向粒子输运的噪声感知神经算子

神经算子(Neural Operator)是建模物理场映射关系的基础范式,其核心在于学习无限维函数空间中的非线性算子;蒙特卡洛(Monte Carlo)方法则为高维随机过程提供可解释的统计估计。二者结合的关键挑战在于如何将固有统计噪声从‘干扰项’升华为‘结构化信号’。PTNO提出噪声感知训练机制,通过异方差似然损失与频域门控设计,使Fourier神经算子具备不确定性量化能力,显著提升在核工程、放疗剂量预测等强物理约束场景下的鲁棒性与泛化性。该框架不依赖海量标注数据,而是以噪声物理模型为先验,实现精度、速度与

weixin_29062963的博客 265

15、算子网络:Fourier Neural Operator与VarMiON详解

本文详细介绍了两种先进的算子网络:Fourier Neural Operator(FNO)和Variationally Mimetic Operator Network(VarMiON)。FNO通过引入Fourier变换显著降低了卷积操作的计算复杂度,从O(N²H²)降至O(N log N H²),适用于图像处理、信号处理等需要高效卷积计算的领域。VarMiON则基于PDE的弱(变分)形式构建网络架构,适用于解和数据正则性不足的场景,在物理模拟和工程计算中具有广泛应用前景。文章还对比了两种方法的核心技术与适

svm4gardener的博客 182

深度学习在偏微分方程求解中的应用:傅里叶神经算子

傅里叶神经算子(FNO)是一种新兴的神经网络架构,专门设计用于处理和求解偏微分方程(PDEs)。PDEs广泛应用于物理学、工程学和金融学等领域,其在描述系统动态和稳态行为中起着核心作用。然而,传统的数值解法通常涉及复杂的手动特征工程和有限差分/有限元方法,它们在处理高维问题时会遇到计算效率和精度的双重挑战。FNO的出现,标志着深度学习技术在这一领域的突破性进展,它通过在频域中操作来捕获输入和输出之间的复杂映射关系,从而能够高效且准确地解决PDEs。

weixin_35755188的博客 3530

Fourier Neural Operator源码解析:用傅里叶变换求解偏微分方程的深度学习方案

偏微分方程(PDE)的数值求解在科学计算与工程仿真中占据核心地位,但传统有限差分、有限元等方法面对参数化场景时计算成本高昂。近年来,算子学习成为深度学习求解PDE的新范式,其中傅里叶神经算子(FNO)以其频域全局建模和分辨率不变性脱颖而出。FNO通过傅里叶变换将物理场映射到频域,利用谱卷积层学习输入函数到输出函数的映射,实现一次前向推理即可完成高精度预测,且训练后可直接切换网格分辨率。该技术已广泛应用于流体力学、材料力学、天气预测等AI for Science领域。本文基于ICLR 2021经典开源项目FN

weixin_32285357的博客 329

Fourier Neural Operator实战:从解压到迁移PDE问题

科学计算与机器学习的交叉日益紧密,神经算子学习成为解决偏微分方程(PDE)快速求解的新范式。Fourier Neural Operator(FNO)作为其中代表,通过在频域执行线性变换,将传统数值求解器的迭代过程转化为神经网络的前向传播,显著提升了复杂物理场预测效率。该技术可应用于流体力学、材料科学等场景,例如Darcy Flow和Navier-Stokes方程。工程实践中,从获取代码、配置PyTorch环境到处理FFT相关接口,再到数据归一化与显存优化,每一步都直接影响模型训练效果。本文围绕FNO的完整落

weixin_29046611的博客 299

保姆级教程:在RK3588开发板上编译带MPP硬件加速的FFmpeg(含完整依赖库配置)

本文提供在RK3588开发板上编译支持MPP硬件加速的FFmpeg的详细教程,涵盖交叉编译环境搭建、MPP框架及依赖库配置,最终实现4K视频硬件编解码性能优化。通过实战步骤和性能对比,展示如何充分发挥RK3588的硬件加速能力。

weixin_30839881的博客 420

OpenClaw 最强技能 self-improving-agent 详解:让 AI 从错误中自主学习

self-improving-agent 是 OpenClaw 生态中最受欢迎的技能插件,下载量突破 268k。它能让 AI 记住犯过的错误和解决方案,实现持续自我改进。本文深入讲解其工作原理、安装配置和实战案例。测试数据显示:部署流程时间从 15 分钟降到 2 分钟(87%↓),API 调试时间从 2 小时降到 20 分钟,数据库查询编写时间减少 90%。文章包含完整架构图、配置文件示例、3 个详细实战案例和性能测试数据,适合开发者、运维和数据分析师使用。

qq_38610923的博客 3642

AHB总线协议

1. 简介         AHB总线规范是AMBA总线规范的一部分,AMBA总线规范是ARM公司提出的总线规范,被大多数SoC设计采用,它规定了AHB (Advanced High-performance Bus)、ASB (Advanced System Bus)、APB (Advanced Peripheral Bus)。AHB用于高性能、高时钟频率的系统结构,典型的应用如ARM核与系统内

ivy_reny的专栏 8万+

IEEE论文投稿必看:PDF eXpress报错font not embedded的3种修复方法(附Adobe Acrobat DC操作截图)

本文针对IEEE论文投稿时PDF eXpress系统常见的“font not embedded”报错,提供了三种核心修复方案。首先,详细解析了使用Adobe Acrobat DC进行专业修复的完整操作流程与关键技巧。其次,介绍了无需付费软件的开源与免费工具链(如Ghostscript)解决方案。最后,从源头出发,指导LaTeX和Microsoft Word用户在生成PDF时正确设置以确保字体自动嵌入,帮助研究者彻底解决格式问题,确保投稿顺利。

ujm56789012的博客 519

支付域——“清算、结算、清结算”

本文深入探讨了支付系统中的清算和结算流程,包括核心流程、模块设计及特殊场景处理。文章详细阐述了交易收单、资金冻结、清分规则、清算批处理、结算出账等关键步骤,并讨论了交易失败、数据不一致、退款、汇率波动等异常情况的处理方法。

庄小焱 2574

YOLOv11改进策略【卷积层】| 引入注意力卷积模块RFAConv,关注感受野空间特征 助力yolov11精度提升

RFAConv:创新空间注意力和标准卷积运算感受野空间特征是针对卷积核设计的,根据卷积核大小动态生成。以3×3卷积核为例,它由非重叠滑动窗口组成,每个窗口代表一个感受野滑块。

Limiiiing的博客 1827

49、非合作目标运动参数估计与状态滤波方法研究

本文研究了非合作空间目标的运动参数估计与状态滤波方法。通过分析目标的章动运动特性,建立了运动方程,并分别提出了基于最小二乘法的质心运动参数估计方法和旋转运动参数估计方法。同时,设计了误差状态卡尔曼滤波器(ESKF)用于姿态滤波和角速度估计,以提高估计精度。仿真实验验证了所提方法的有效性,能够准确估计目标的运动参数和状态信息,为在轨服务提供了技术支持。

gpt4scribbler的博客 92

S32DS S32K312 LPSPI + DMA配置异步SPI

配置DMA->Specific Configuration->Dma Logic Channel->Configuration->Global。SpiPhyUnitMapping:将该配置Mapping到某一路Spi,此工程配置为Spi1,遂选择LPSPI_1。配置的该路SPI的片选ID,此处ID对应配置Pin脚时lpspi_pcs后的下表(本工程此处为PCS3)配置该路SPI对应的SPI硬件单元ID,本工程配置为Lpspi1,因此配置为CSIB1。首先配置SPI的Pin脚,此处使用的是LPSPI_1。

希望我的博客,能帮上你解决学习中工作中所遇到的问题 2369

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

上一篇: 气象基础模型/气象大模型论文速递
下一篇: FourCastNet 论文解析
__momo__
博客等级 码龄7年 645粉丝 79原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值
⌂ 换网址