LLM4Fluid: 流体力学のための汎用的なニューラルソルバーとしてのLLM
LLM4Fluidは、大規模言語モデル（LLM）を流体力学の汎用的なニューラルソルバーとして活用するフレームワークです。物理情報を考慮した空間圧縮と、LLMによる時系列予測を組み合わせることで、再学習なしで未知の流体条件に対応します。高い予測精度に加え、強力なゼロショット学習やインコンテキスト学習能力を実現しています。
Cog AI Archive
最新の記事
人気記事ピックアップ
性能か分散対応か――レイアウト抽象化「Axe」は何を統一しようとしたのか？
TL;DRネイティブな2Dアドレッシングを備えた専用のグローバルテンソルメモリが導入されたとき、論理テンソルをどのように物理空間へ対応づければよいのでしょうか。 Axeレイアウトは、論理インデックスから座標空間への集合値写像としてモデル化され、共有イテレータの順序付きタプル、複製イテレータのマルチセット、およびオフセットで構成されます。 本記事では、Axeが採用するマルチグラニュラリティかつ分散を意識したモデルと、レイアウトの定義・正規化・検証・評価結果を、事実に基づいて順に追います。
保存済みの記事がまだありません。
読み込み中…