KI News: Kurz und klar.

Neurale Operatoren haben sich als leistungsstarkes Paradigma etabliert, um diskretisierungunabhängige Abbildungen von Funktionen auf Funktionen in der wissenschaftlichen Berechnung zu erlernen. In vielen praktischen Anwendungen sind die zugrunde liegenden Systeme jedoch stochastisch, sodass eine fundierte Quantifizierung von Unsicherheit unerlässlich ist, um zuverlässige Vorhersagen zu ermöglichen.

In der Simulation von Mehrphasenströmungen stellen die komplexen Dynamiken, Feldunterschiede und Interphasenwechsel herkömmliche numerische Verfahren vor große Herausforderungen. Neu entwickelte neuronale Operatoren können zwar schneller arbeiten, erreichen jedoch oft nicht die nötige Auflösung, weil die räumliche Heterogenität und der Mangel an hochwertigen Trainingsdaten die Genauigkeit einschränken.