Neues Graph Neural Network stabilisiert Diffusion auf unregelmäßigen Netzen
In der numerischen Simulation von partiellen Differentialgleichungen (PDEs) sind klassische Verfahren wie Crank‑Nicolson auf regelmäßigen Gittern sehr effizient. Auf unregelmäßigen Meshes – die in vielen multiphysikalischen Anwendungen wie Diffusion, Materialschäden oder Heilungsprozessen vorkommen – geraten diese Methoden jedoch häufig in Instabilität.
