Neues Verfahren verbessert Langzeitvorhersagen in Fluiddynamik
In der Welt der Datenanalyse werden immer mehr Methoden entwickelt, die klassische numerische Vorhersagen ersetzen können. Sie ermöglichen schnelle Inferenz und sind weniger rechenintensiv. Doch bei komplexen Systemen verschlechtert sich die Genauigkeit über längere Zeiträume häufig, weil Fehler sich ansammeln. Traditionelle autoregressive Trainingsansätze, die zwar effektiv sind, benötigen enorme GPU‑Speicherkapazitäten und können die Kurzzeitleistung beeinträchtigen.
