新的无监督方法可在无真实数据的情况下自适应偏微分方程基础模型

研究人员开发了一种新的偏微分方程（PDE）基础模型的无监督微调框架，无需真实解。该方法利用了源自PDE残差和边界条件的基于物理的目标，并结合了一种称为NSLoRA的低秩自适应技术。该方法在不需要真实数据的情况下实现了与监督方法相当的性能，并在各种基准测试中优于现有的神经算子基线和PDE基础模型。 AI

影响 这种无监督自适应方法可以显著降低将基础模型应用于新科学领域（尤其是在物理和工程领域）的成本和复杂性。

排序理由 该集群包含一篇详细介绍模型自适应新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• LoRA+
• Neighborhood Attention Transformer
• Newton-Schulz
• NSLoRA
• ScienceCast

• 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 →