NeurIPS 2025 | 当AI理解几何：ETHz提出GAOT，让神经算子在任意形状上实现高效可扩展的PDE求解

本文介绍了一种名为GAOT的几何感知神经算子框架，旨在解决传统偏微分方程数值方法在复杂几何和高分辨率网格上计算代价高的问题。研究背景是现有神经算子在任意几何推广和计算效率方面存在瓶颈。研究目的是通过多尺度注意力图神经算子和几何嵌入等创新，结合工程优化策略，提升PDE学习的精度、鲁棒性和可扩展性。实验结果表明，GAOT在28个基准任务中表现优异，训练吞吐量提升约50%，推理延迟降低15-30%，并在三维工业CFD数据集上取得最优结果，首次在同一框架下兼顾了精度、效率与可扩展性。