封面故事：韩婷，叶佳，闫连山，等. 图注意力Transformer网络的自适应网格划分[J]. 光电工程，2025，52(4): 250058

在现代科学研究与工程应用中，复杂的几何模型和物理现象往往用偏微分方程(partial differential equation , PDE)建模，并借助有限元法(finite element method , FEM)或有限体积法(finite volume method , FVM)等数值方法进行求解。自适应网格细化(adaptive mesh refinement , AMR)可以大大缓解计算精度和计算效率之间的矛盾，已被应用于固体力学、流体力学、航空航天、声学物理模拟等许多领域。

西南交通大学信息科学与技术学院信息光子与通信研究团队提出了一种基于图神经网络的自适应网格划分方法，即GATv2-Transformer融合网络(GTF-Net)。该方法将自适应网格划分问题转化为一个节点分类任务，即将初始网格中的每个网格节点视为一个待分类样本，结合局部物理量（如梯度、残差、网格尺寸等）构建特征向量，并将节点分类为细化或保持不变，从而以数据驱动的方式替代传统的启发式自适应策略，实现更具泛化能力的网格划分方法。