算法论文8

西工大：ADJ - PCGN提升伴随方程求解效率

力学与人工智能2026-01-21

AI 摘要

西工大向锦鹏、宋述芳等提出ADJ - PCGN用于伴随方程求解。该网络替代高代价求解过程，拟合与泛化性强。数值结果显示它和经典方法结果一致，还提升了气动优化效率。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

西北工大：伴随方法缓解PINNs病态

物理信息神经网络（PINNs）在正问题中的病态是其应用于复杂工程问题的局限。该研究设计针对损失函数的预处理框架，通过降低PDE系统条件数缓解PINNs病态，还引入伴随方法解决网络参数梯度缺失问题。

传统计算流体力学在工程场景计算成本高，深度学习方法预测精度与泛化性不佳。本研究基于傅里叶神经算子构建流场预测模型，经改进能精确预测超临界翼型流场与气动力系数，误差低且泛化能力优。

视频扩散模型生成新视角视频时，现有方法缺显式3D结构。智象未来提出DreamWorld，用3D先验与两阶段框架，结合结构和生成能力，在多基准测试表现领先。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。