Aprendendo a Discretizar: Malha Adaptativa Baseada em Difusão com Orientação Espectral

arXiv:2607.11974v1 Tipo de anúncio: novo Resumo: A maioria dos substitutos neurais de equações diferenciais parciais (PDE) aprende como os campos evoluem depois que uma grade já foi escolhida. No entanto, antes que qualquer operador seja aplicado, a grade já determinou como a capacidade de modelagem é alocada pelo espaço, pela resolução e pela largura de banda espectral. Argumentamos que essa escolha de design oculta deveria, ela mesma, ser aprendível, o que leva a uma questão diferente do aprendizado de operadores padrão: pode um substituto aprender onde a resolução s...