研究人员开发了一个名为流映射学习（FML）的新颖框架，可以直接从解数据中模拟未知的非局部偏微分方程（PDE）。该方法绕过了显式学习或近似复杂非局部算符的需要。相反，FML学习有限时间演化算符，即使在有限的观测窗口下也能提供准确且稳定的长期预测。该方法在预测分数阶扩散和波动方程的动力学方面取得了成功。 AI
影响 这项研究提供了一种新的数据驱动方法来模拟复杂的物理动力学，可能影响科学模拟和发现。
排序理由 该集群包含一篇学术论文，详细介绍了一种用于偏微分方程的新建模框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
