neuraloperator/neuraloperator

解決的問題

NeuralOperator 是一個專為學習函數空間之間的映射而設計的 PyTorch 庫，而非僅限於固定大小向量之間的映射。這使得模型具備解析度不變性，也就是在某一解析度資料上訓練的模型，可應用於任何其他解析度的資料。

工作原理

該庫提供了神經算子架構的實作，最著名的是傅立葉神經算子（FNO）與張量分解型傅立葉神經算子（TFNO）。TFNO 使用權重的 Tucker 分解，大幅減少參數數量，同時透過將輸入直接與分解因子進行收縮，維持前向傳播的效率。

適用對象

從事科學機器學習的研究人員與開發者，特別是需要學習與資料解析度無關的算子者。

主要亮點

• 傅立葉神經算子（FNO）的官方實作。
• 函數空間間的解析度不變映射學習。
• 基於張量分解的高效參數模型架構——Tucker Tensor FNO（TFNO）。
• PyTorch 生態系統的一部分。