Dandelion：球面神经求解器，无卷积也能精准预测行星动力学！
Dandelion: A Spherical Flower for Neural Simulation of Planetary Dynamics
📖 AI 总结
该论文提出了一种名为Dandelion的新型球形神经网络架构，用于模拟行星尺度的动力学过程。传统机器学习架构多基于欧几里得空间，在球面网格上应用时会产生畸变和误差。Dandelion借鉴了基于扭曲的神经PDE求解器Flower，通过预测切平面位移并沿大圆传输特征来实现空间混合，完全摒弃卷积操作，并利用球谐域进行层次化池化构建U-Net结构。研究团队还发布了一套包含多种本征球面PDE数据集（如Galewsky射流、Cahn-Hilliard分解、全球海洋动力学等）的基准测试，填补了现有数据集规模或复杂度不足的空白。实验表明，Dandelion在所有数据集上均达到最优或次优性能，且在高分辨率（256×512）下优势更为明显，显示出其在球面动力学模拟中的显著潜力。
🔑 关键词速览
| Dandelion | 本文提出的球面版本的Flower模型，用于神经模拟行星动力学。 |
| Flower | 一种基于扭曲的神经偏微分方程求解器，通过坐标变化实现空间混合。 |
| Spherical Fourier Neural Operators (SFNOs) | 球面傅里叶神经算子，在球谐域中操作以处理球面数据。 |
| Geodesic attention | 基于测地距离的注意力机制，用于球面数据的空间关系建模。 |
| Warp-based | 基于扭曲的方法，通过坐标变换而非卷积来实现特征的空间混合。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅