본문으로 건너뛰기

DU-NO: 파라미터 효율적인 이중 U-형 신경 연산자

파라미터 효율적인 이중 U-형 신경 연산자 DU-NO를 소개합니다. 이 모델은 근해 역학에서 높은 정확도를 제공하는 FUNWAVE-TVD와 같은 파동 모델의 비용을 줄이는 데 도움을 줄 것입니다. DU-NO는 U-FNO와 같은 대규모 언어 모델(LLM)과 비교하여 10배 적은 파라미터로 더 높은 정확도를 제공합니다.

AI 자동 생성

파라미터 효율적인 이중 U-형 신경 연산자

바다의 물결을 연구하는 분야에서 높은 정확도를 제공하는 물결 모델은 FUNWAVE-TVD와 같은 물결 모델입니다. 이 모델은 물결이 바다의 깊이에 따라 달라지는 현상, 물결의 방향이 바뀌는 현상, 그리고 물결이 깨어지는 현상을 정확하게 모델링하지만, 높은 비용으로 인해 실제 예측에서 사용하기 어렵습니다. 신경 연산자는 높은 정확도를 제공하는 대규모 언어 모델과 같은 파라미터 효율적인 모델을 제공하지만, 물결이 많은 분야에서 정확한 모델은 대규모 파라미터를 필요로 합니다.

DU-NO는 다중 규모 U-형 스펙트럴 연산자입니다. 이 모델은 가벼운 합성곱 U-Net 가지를 두 가지 얕은 인코더 및 디코더 단계에만 첨부합니다. 이 모델은 고주파 수신 내용이 fine 격자에서 존재한다는 샘플링 논리에 따라 설계되었습니다. 따라서 지역, 전대역 경로는 고주파 내용이 존재하는 곳에 위치하며,, 대역 제한 단계는 순수한 스펙트럴입니다.

DU-NO의 성능

DU-NO는 3.64M 파라미터로 설계되었습니다. 이 모델은 U-FNO보다 10배 적은 파라미터로 더 높은 정확도를 제공합니다. DU-NO는 FUNWAVE-TVD 벤치마크에서 최고의 자동 회귀 롤아웃 오류를 제공했습니다. 이 모델은 U-FNO보다 14.9% 높은 정확도를 제공했습니다. DU-NO의 성능은 모든 주파수 대역에 걸쳐 있습니다. 이 모델은 절단 스펙트럴 연산자가 고주파 주파수 대역에서 붕괴하는 것을 방지합니다.

DU-NO의 성능은 대규모 언어 모델과 같은 다른 모델과 비교하여 더 높은 정확도를 제공합니다. 이 모델은 2D 나비에-스토크스 및 PDEBench 롤아웃에서 최고의 성능을 제공했습니다. DU-NO는 파라미터 효율적인 모델로, 바다의 물결을 연구하는 분야에서 높은 정확도를 제공하는 물결 모델의 비용을 줄이는 데 도움을 줄 것입니다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

AI 모델 22시간 전

소니와 유니버설 뮤직 그룹이 다시 소니우에 법적 조치 시행

소니(Sony)와 유니버설 뮤직 그룹(Universal Music Group)은 다시 한 번 선오(Suno)와 법적 분쟁을 제기했습니다. 소니와 유니버설 뮤직 그룹은 새로운 모델 v6가 이전 모델의 사용자 출력을 기반으로 학습했는데, 이전 모델은 유튜브(Youtube)와 같은 출처에서 불법적으로 음악을 훔치고 학습한 것이란 이유로 저작권 침해를 주장합니다. 소니와 유니버설 뮤직 그룹은 유니버

관련 콘텐츠 더 보기

다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.