耶鲁大学基础数据科学研究所 发布 FunDiff 数据集, 应用在 物理学、生成建模 领域

耶鲁大学基础数据科学研究所 本次发布的数据集 FunDiff, FunDiff是一个新型框架，用于在函数空间中进行生成建模，旨在解决物理学中生成连续函数数据的挑战。该框架结合了潜在扩散过程和函数自动编码器架构，能够处理具有不同离散化的输入函数，生成可在任意位置评估的连续函数，并自然地融入物理先验。这些先验通过架构约束或物理信息损失函数来实施，确保生成的样本满足基本物理定律。FunDiff在流体动力学和固体力学领域的应用中显示出其实用效果，能够生成与目标分布高度一致且对噪声和低分辨率数据具有鲁棒性的物理一致样本。代码和数据集可在提供的网址中公开获取。

查看FunDiff

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。