Neuer Graph Neural Operator Echtzeit-Virtual-Sensing auf unregelmäßigen Netzen

Forscher haben einen bahnbrechenden Graph Neural Operator namens VIRSO (Virtual Irregular Real‑Time Sparse Operator) vorgestellt, der die Echtzeit‑Rekonstruktion von physikalischen Feldern auf unregelmäßigen Netzen ermöglicht. Durch die Kombination von spektraler und räumlicher Analyse liefert VIRSO hochpräzise Ergebnisse, ohne die hohen Latenzzeiten und Stromkosten herkömmlicher numerischer Solver.

VIRSO nutzt einen variablen‑Verbindungsalgorithmus, Variable KNN (V‑KNN), um das Netzwerk an die Geometrie des Messnetzes anzupassen. Im Gegensatz zu bisherigen Modellen, die die Hardware‑Deployability als Nebensache betrachten, wird bei VIRSO die Inferenz als Messung selbst definiert. Dadurch kann das Modell auf ressourcenbeschränkten Edge‑Geräten betrieben werden, ohne an Genauigkeit einzubüßen.

In Tests an drei nuklearthermohydraulik‑Benchmarks, die von einfachen bis zu komplexen Geometrien reichen, erreichte VIRSO durchschnittliche L2‑Fehler unter 1 % bei Rekonstruktionsverhältnissen von 47:1 bis 156:1. Gleichzeitig verbraucht das 10‑Layer‑Modell nur 10,1 J·ms Energie‑Verzögerungsprodukt, ein drastischer Rückgang gegenüber dem Basis‑Graph‑Operator von ca. 206 J·ms.

Diese Ergebnisse zeigen, dass VIRSO ein vielversprechender Kandidat für Echtzeit‑Virtual‑Sensing in ressourcenbeschränkten Monitoring‑ und Steuerungssystemen ist. Durch die Kombination von geringer Parameterzahl, hoher Genauigkeit und niedriger Energie­verbrauchspositioniert sich das Modell als zukunftsweisende Lösung für Edge‑Deployments in der Industrie und Forschung.