Fourier Neural Operator（FNO）原始论文
该论文提出直接在傅里叶空间参数化积分核，并将线性变换与非线性激活层叠， 得到在函数空间之间映射的算子，而非有限维向量之间的映射。
核心结论：在低分辨率上训练，推理时可直接泛化到高分辨率（零样本超分辨）， 在 Burgers、Darcy 与 Navier-Stokes 等方程上相较经典求解器取得大幅加速。
标签: FNO神经算子奠基论文分辨率无关PDE
相关条目
- DeepONet 原始论文 · 以分支-主干（branch-trunk）结构实现算子通用逼近定理的深度学习版本，是最早系统提出「学习非线性算子」的架构，至今仍是主流基线。
- PhysicsNeMo: 基于神经算子的物理仿真框架 · NVIDIA 发布的物理信息神经网络框架，基于神经算子（FNO/DeepONet/AFNO）提供端到端可微分物理仿真流水线，支持多 GPU 训练与部署。
- 物理信息学习年度进展综述 2025–2026 · 系统性梳理 2025–2026 年物理信息机器学习（Physics-Informed Learning）领域的主要进展，重点覆盖神经算子、扩散模型在 PDE 求
- Transolver：面向大规模工业几何的 Transformer 求解器 · 提出物理注意力机制，把离散网格投影到可学习的物理状态令牌上做注意力，显著提升 PDE 求解在大规模工业几何上的效率与精度。
- The Well：面向物理基础模型的多领域基准 · 提出覆盖 16 个物理领域的统一基准，论证「跨领域预训练」对物理 ML 的增益，是物理基础模型方向必读论文。