一种面向零样本数字孪生的图神经网络方法

英文标题：A Graph Neural Network approach to zero-shot Digital Twins

该论文提出了一种面向零样本数字孪生（Digital Twins）的图神经网络（GNN）框架。论文指出，传统预测型数字孪生通常在几何结构上缺乏灵活性：当底层物理域或边界条件发生变化时，往往需要大量重新训练或微调。该方法旨在克服这一限制，为跨不同物理结构和条件的模型泛化提供支持。对开发者而言，这一方向有望降低数字孪生系统适配新场景时的数据、计算与训练成本。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB