4. FNO核心架构拆解

要真正用好Fourier神经算子（FNO），不能只把它当成一个“黑箱回归器”。FNO之所以能在网格分辨率变化时保持近似一致的映射能力，关键在于它的数据通路被刻意设计成“提升—频域混合—局部修正—投影”的组合结构。本节沿着一次前向传播的顺序，逐层拆解每个模块的输入输出维度、参数构成和设计意图，并给出一个可直接对照的实现级示例。

一、整体数据通路与维度约定

先约定符号：批大小为 B，输入函数通道数为 d_in，输出通道数为 d_out，输入网格为 n×n（二维情形），隐藏宽度为 w，傅里叶模态截断为 k_max1×k_max2，傅里叶层数为 L。一次前向传播的主干是：输入提升 P 把 (B, d_in, n, n) 映射为 (B, w, n, n)；随后 L 个傅里叶块依次处理，每块内部并行包含“频域线性变换 + 局部线性变换”，再经激活；最后由输出投影 Q 把 (B, w, n, n) 压回 (B, d_out, n, n)。

二、输入提升 P：把函数值变成可混合的特征

输入提升通常是一个 1×1 卷积（等价于逐点的线性映射），把每个网格点上的 d_in 维函数值升到 w 维。它的参数只有 d_in·w + w，示例中 1×32+32=64 个。这一步不做空间混合，只做通道扩张，目的是给后续频域变换提供足够宽的表示空间。若输入是多通道（如速度场 u,v 加压力 p，d_in=3），提升层会把它们融合成统一的隐藏特征。

三、傅里叶层：频域混合的核心

每个傅里叶块内部有两条并行分支。频域分支先对隐藏特征做二维实数FFT，得到 (B, w, n, n/2+1) 的复数谱；然后只保留低频的 k_max1×k_max2 个模态（示例取 12×12），把高频直接丢弃；接着用一个可学习的复数权重张量 R 对保留模态做通道间线性组合，R 的形状为 (w, w, k_max1, k_max2)，由于复数实部虚部各一份，参数量为 2·w²·k1·k2，示例为 2×32²×12×12≈29.5万；最后补零到原尺寸并做逆FFT回到物理空间。频域分支的输出仍是 (B, w, n, n)。

这里有两个工程要点。第一，模态截断 k_max 是FNO最重要的容量旋钮：k_max 越大，能表达的频率越高，但参数量和计算量按 k1·k2 增长；对光滑解通常取 n/4 到 n/2 即可。第二，R 与网格分辨率 n 无关，这正是FNO能“训练在粗网格、推理在细网格”的根本原因——同一组低频权重可以直接作用在更高分辨率的谱上。

四、局部线性变换 W 与激活函数

频域分支只处理低频全局信息，会丢失高频细节和逐点非线性。因此每个傅里叶块还并行一条局部分支：一个 1×1 卷积 W，参数 w·w + w，示例 32×32+32=1056。两条分支的输出逐元素相加，再经过激活函数 σ（常用 GELU 或 ReLU），得到该块的输出。可以把它理解为“全局低频修正 + 局部逐点修正”的残差式组合。若把 W 去掉，模型会明显偏向过度平滑；若把频域分支去掉，FNO就退化为普通卷积网络，失去分辨率泛化能力。

五、输出投影 Q 与参数规模核算

经过 L 个傅里叶块后，特征仍是 (B, w, n, n)。输出投影 Q 用 1×1 卷积把它压到 d_out 维，参数 w·d_out + d_out。以示例配置（d_in=1, d_out=1, w=32, L=4, k=12×12）核算：提升层 64，每个傅里叶块约 29.5万 + 1056，四块合计约 118 万，输出投影 33，总参数量约 118 万。可见参数绝大部分集中在频域权重 R 上，调参时应优先关注 w 与 k_max 的乘积。

把这条通路记牢，后续无论是改模态数、换激活函数，还是做多尺度扩展，你都能准确判断改动落在哪一层、影响哪些维度与参数量。