.png){kind=icon}
返回
Generative reduced basis method
.png){kind=icon}
OA
AI
DOI：10.1016/j.cma.2025.117754.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种生成式降维基（RB）方法，用于快速、可靠地求解参数化线性偏微分方程。该方法的核心是构建生成式RB空间，以提供解流形的快速收敛近似。我们提出了生成式快照方法，通过一个小初始解快照集生成显著更大的快照集。该方法利用多元非线性变换来丰富RB空间，从而能够比常用的降维技术（如正交分解和贪婪采样）更准确地逼近解流形。我们利用生成式RB空间构建降维模型并计算后验误差估计。这些误差估计使我们能够高效地探索参数空间，并选择能够提升降维模型效率和精度的参数点。通过数值实验表明，生成式RB方法不仅能提高降维模型的精度，还能提供紧致的误差估计。
Keyword:
Generative reduced basis method
Generative snapshot method
Finite elements
Parametrized PDEs
Reduced order modeling
Model reduction
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。