Краткое содержание

arXiv:2511.12709v1 Тип объявления: новый Аннотация: Сеточное моделирование с использованием графовых нейронных сетей (GNN) признано перспективным подходом для моделирования динамики жидкостей. Однако методы сгущения сетки, которые обеспечивают более высокое разрешение в областях с большими градиентами, могут вызывать проблему переуплотнения в сеточных GNN, что препятствует захвату физических взаимодействий на больших расстояниях. Традиционные методы перекоммутации графов пытаются устранить эту проблему путём добавления новых рёбер, но обычно выполняют все операции перекоммутации до их применения в GNN. Такие подходы физически нереалистичны, поскольку предполагают мгновенное взаимодействие между удалёнными узлами и игнорируют информацию о расстоянии между частицами. Для преодоления этих ограничений мы предлагаем новую структуру под названием Adaptive Graph Rewiring in Mesh-Based Graph Neural Networks (AdaMeshNet), которая вводит адаптивный процесс перекоммутации в процедуру передачи сообщений для моделирования постепенного распространения