Transolver：面向大规模工业几何的 Transformer 求解器
在百万级网格点上做标准注意力代价过高。Transolver 改为学习切片投影， 把网格点聚合为少量可学习的”物理状态”令牌，并在该压缩空间中执行注意力。
报告收益：在标准 PDE 基准与工业车型/气动算例上取得领先精度，显存占用显著低于朴素 Transformer。
标签: Transformer几何工业PDE注意力机制
相关条目
- Fourier Neural Operator（FNO）原始论文 · 提出在傅里叶空间参数化积分核的神经算子，实现分辨率无关的 PDE 求解，是算子学习与物理 AI 方向引用量最高的奠基工作之一。
- 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
- 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。
- 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。