数值模拟是超级计算、AI for Science的重要方法,由于数值模拟物理参数空间的高度复杂性,导致传统后处理模式在探索参数空间时效率低下,需要多环节反复迭代,而当前的先进方法(SOTA)仅支持从参数到可视化结果的单向过程,获取目标参数仍...数值模拟是超级计算、AI for Science的重要方法,由于数值模拟物理参数空间的高度复杂性,导致传统后处理模式在探索参数空间时效率低下,需要多环节反复迭代,而当前的先进方法(SOTA)仅支持从参数到可视化结果的单向过程,获取目标参数仍需大量尝试。此外,科学可视化结果的生成受到严格约束条件限制,导致有效隐向量呈离散分布,使得计算机视觉的生成式模型现有的连续隐向量编辑方法失效,从而无法迁移至科学可视化预测图像编辑任务。展开更多
文摘数值模拟是超级计算、AI for Science的重要方法,由于数值模拟物理参数空间的高度复杂性,导致传统后处理模式在探索参数空间时效率低下,需要多环节反复迭代,而当前的先进方法(SOTA)仅支持从参数到可视化结果的单向过程,获取目标参数仍需大量尝试。此外,科学可视化结果的生成受到严格约束条件限制,导致有效隐向量呈离散分布,使得计算机视觉的生成式模型现有的连续隐向量编辑方法失效,从而无法迁移至科学可视化预测图像编辑任务。
