DU-NO模型发布：高效参数化双U形神经算子革新近岸波建模

摘要：DU-NO（双U形神经算子）是一种新型多尺度U形谱算子模型，通过在浅层编码器和解码器中加入轻量级卷积U-Net分支，在保持高精度的情况下显著降低参数量。其参数量仅为364万，比现有最强基线U-FNO少10.8倍，同时在FUNWAVE-TVD基准测试中实现了14.9%的误差降低，并在所有频段均表现出色。此外，DU-NO在2D Navier-Stokes和PDEBench浅水模拟任务中也表现出色，展示了其在复杂物理模拟中的广泛适用性。

---

核心突破

• 高效参数化设计：DU-NO通过在浅层编码器和解码器中加入轻量级卷积U-Net分支，实现了参数量的大幅降低（仅364万），比现有最强基线U-FNO少10.8倍。
• 多尺度U形谱算子：模型采用多尺度U形谱算子架构，结合采样论证，将高频内容限制在精细网格上，而粗粒度、频带受限的层级保持纯谱操作。
• 性能提升显著：在FUNWAVE-TVD基准测试中，DU-NO的自动回归展开误差比U-FNO低14.9%，且在所有频段均表现出色，包括高波数频段。
• 跨领域适用性：DU-NO不仅在近岸波建模中表现出色，还在2D Navier-Stokes和PDEBench浅水模拟任务中展现出强大的性能。

技术亮点

1. 深度衰减模式调度：通过深度衰减模式调度机制，DU-NO将模型参数量控制在364万，显著降低了计算成本。
2. 轻量级卷积U-Net分支：在浅层编码器和解码器中加入轻量级卷积U-Net分支，增强了模型的局部特征捕捉能力。
3. 频率带分析：DU-NO在所有频率带均表现出色，尤其是在高波数频段，显著优于传统截断谱算子。

行业影响

DU-NO的发布为近岸波建模和复杂物理模拟领域提供了新的技术路径。其高效参数化设计和卓越性能使其在实时预警、集合模拟和不确定性量化等应用中具有巨大潜力。此外，DU-NO的跨领域适用性也使其在流体动力学、气象预报等领域具有广泛的应用前景。

开发者建议

• 模型应用：建议开发者尝试将DU-NO应用于近岸波建模和复杂物理模拟任务中，以验证其在实际场景中的性能。
• 参数调整：根据具体应用场景，开发者可以进一步调整DU-NO的深度衰减模式调度机制，以优化模型性能。
• 跨领域探索：鼓励开发者探索DU-NO在流体动力学、气象预报等领域的应用，以拓展其应用范围。

---

消息来源：ArXiv AI (cs.AI) (2026-09-14)

—— 完 ——

主题标签： #DU-NO #神经算子 #近岸波建模 #参数效率 #多尺度架构