University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）

Geometry-Informed Neural Operator Transformer

几何引导的神经算子变换器

Qibang Liu, Weiheng Zhong, Hadi Meidani, Diab Abueidda, Seid Koric, Philippe Geubelle

机构 * National Center for Supercomputing Applications, University of Illinois Urbana-Champaign（国家超级计算中心，伊利诺伊大学厄巴纳-香槟分校） ； Beckman Institute for Advanced Science and Technology, University of Illinois Urbana-Champaign（贝克曼先进科学与技术研究所，伊利诺伊大学厄巴纳-香槟分校） ； The Grainger College of Engineering, Department of Aerospace Engineering, University of Illinois Urbana-Champaign（格拉inger工程学院，航空航天工程系，伊利诺伊大学厄巴纳-香槟分校） ； The Grainger College of Engineering, Department of Mechanical Science and Engineering, University of Illinois Urbana-Champaign（格拉inger工程学院，机械科学与工程系，伊利诺伊大学厄巴纳-香槟分校） ； The Grainger College of Engineering, Department of Civil and Environmental Engineering, University of Illinois Urbana-Champaign（格拉inger工程学院，土木与环境工程系，伊利诺伊大学厄巴纳-香槟分校） ； Civil and Urban Engineering Department, New York University Abu Dhabi（纽约大学阿布扎比分校土木与城市工程系） ； Department of Industrial and Manufacturing Systems Engineering, Kansas State University（工业与制造系统工程系，堪萨斯州立大学） 纠错

AI总结 本文提出几何引导的神经算子变换器，通过结合变换器架构与神经算子框架，实现对任意几何形状的高效前向预测，验证了其在复杂几何中的高精度和强泛化能力。

Clip-and-Verify: Linear Constraint-Driven Domain Clipping for Accelerating Neural Network Verification

Clip-and-Verify: 基于线性约束的域剪裁用于加速神经网络验证

Duo Zhou, Jorge Chavez, Hesun Chen, Grani A. Hanasusanto, Huan Zhang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 Clip-and-Verify通过基于线性约束的域剪裁方法，提升神经网络验证效率，减少子问题数量并提高验证准确率。

Comments Accepted to NeurIPS 2025