研究：跨域预训练提升CFD代理模型泛化能力

发生了什么

据arXiv报道，针对计算流体动力学（CFD）神经代理模型缺乏泛化能力的问题，研究人员研究了跨不同几何形状、边界条件和保真度的预训练方法。结果显示，跨域预训练可显著提升零样本和少样本性能。微调预训练模型可在相同样本量下实现2-3倍更低的误差，或使用8倍更少的样本达到相同误差水平。