使用图形网络学习基于网格的仿真 - OpenReview

摘要：基于网格的模拟是在科学和工程的许多学科中建模复杂物理系统的核心。网格表示支持强大的数值集成方法，可以调整其分辨率，以在准确性和效率之间打击有利的权衡。然而，高维科学模拟运行非常昂贵，并且求解器和参数通常必须单独调整到所研究的每个系统。我们使用图形神经网络引入Meshgraphnnets，一种用于学习基于网格的模拟的框架。我们的模型可以接受培训以在网格图上传递消息，并在前向仿真期间调整网状离散化。我们的结果表明它可以准确地预测各种物理系统的动态，包括空气动力学，结构力学和布料。模型和＃39; S适应性支持学习决议独立的动态，并且可以在测试时间缩放到更复杂的状态空间。我们的方法也高效，比训练的仿真更快地运行1-2的数量级。我们的方法拓宽了神经网络模拟器可以运作和承诺提高复杂，科学建模任务的效率的问题的策略范围。

一句话摘要：我们介绍了一种用于学习复杂物理系统的动态的一般方法，可准确，有效地在网格上

道德规范：我承认这项工作的所有共同作者都已经阅读并承诺遵守ICLR的道德规范