研究人员开发了一种使用随机变分物理信息神经网络（SV-PINNs）求解偏微分方程的新方法。该方法利用了泛函的 $H^{-1}$ 范数与其针对随机测试函数的期望值之间的等价性。SV-PINNs 通过最小化该随机范数的经验近似来训练，为传统的数值方法提供了潜在的范式转变。 AI
影响 引入了一种新颖的神经网络训练范式，用于科学计算，有可能提高求解复杂微分方程的准确性和效率。
排序理由 该集群包含一篇详细介绍求解微分方程新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.03542v1 Announce Type: cross Abstract: The dual norm characterisation of weak solutions of second-order linear elliptic partial differential equations is mathematically natural but computationally intractable: evaluating the $H^{-1}$ norm of a residual requires a supre…
The dual norm characterisation of weak solutions of second-order linear elliptic partial differential equations is mathematically natural but computationally intractable: evaluating the $H^{-1}$ norm of a residual requires a supremum over an infinite-dimensional function space. W…