arXiv论文提出免磁盘数据的神经PDE求解器预训练框架

一篇arXiv论文（编号2610.03363，已被NeurIPS 2026接收）提出一种无需磁盘数据的预训练框架，用于非结构化3D几何上的神经PDE代理模型。论文作者称，该方法对稳态问题采用基于内在形状描述符的几何驱动策略，对瞬态问题采用在线生成合成PDE数据的物理驱动方式，代码和模型已开源。 论文中的实验显示，该方法在微调阶段收敛更快、数据效率更高、精度更高，尤其在低数据场景下表现突出。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。