כתבה
arXiv cs.LG ·
MeshGraphNet-Transformer: סימולציה מתועדת למכניקת מוצקים
MeshGraphNet-Transformer: Scalable Mesh-based Learned Simulation for Solid Mechanics
MeshGraphNet-Transformer הוא ארכיטקטורה חדשה המשלבת יכולות מידול גלובליות של Transformers עם הטיה גאומטרית של MeshGraphNets. היא מאפשרת סימולציה יעילה על רשתות ברזולוציה גבוהה.
תקציר מקורי באנגליתarXiv:2601.23177v4 Announce Type: replace Abstract: We present MeshGraphNet-Transformer (MGN-T), a novel architecture that combines the global modeling capabilities of Transformers with the geometric inductive bias of MeshGraphNets, while preserving a mesh-based graph representation. MGN-T overcomes a key limitation of standard MGN, the inefficient long-range information propagation caused by iterative message passing on large, high-resolution meshes. A physics-attention Transformer serves as a global processor, updating all nodal states simultaneously while explicitly retaining node and edge attributes. By directly capturing long-range physical interactions, MGN-T eliminates the need for deep message-passing stacks or hierarchical, coarsened meshes, enabling efficient learning on high-res
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית