新的潜在 PDE 映射技术实现了物理信息学习中的几何泛化

研究人员开发了一种名为潜在 PDE 映射的新型物理信息学习技术，该技术允许机器学习模型使用有限的训练数据跨不同几何形状进行泛化。该方法将特定于几何形状的 PDE 残差和边界条件映射到潜在几何形状，从而能够计算几何形状一致的形状梯度。通过在心脏电生理学中求解 Aliev-Panfilov PDE 来证明该技术，使用了物理信息神经网络和深度算子网络，在推理过程中以最小的计算成本实现了显著的误差降低。 AI

影响 这项技术可以显著提高物理信息机器学习模型的效率和泛化能力，尤其是在具有复杂几何形状和有限数据的领域。

排序理由 该集群包含一篇详细介绍物理信息学习新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Aliev-Panfilov PDE
• arXiv
• cardiac electrophysiology
• cs.LG
• Ingvild Askim Adde
• Latent PDE mapping
• physics-informed deep operator networks
• physics-informed neural networks

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →