PulseAugur
中
实时 12:03:09
English(EN) MiNO: Cotangent-bundle propagator learning for PDEs

新的MiNO方法学习偏微分方程传播子，以改进科学机器学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了MiNO，一种通过关注传播子而非解场或映射来学习偏微分方程（PDE）的新方法。该方法利用eikonal方程来处理相位，利用输运方程来处理幅度，通过振荡积分来重构解。与传统的物理信息神经网络和监督傅里叶神经网络算子相比，MiNO在涉及不连续对流的基准测试中表现出更高的准确性和效率，并且无需重新训练即可泛化到未见的初始条件。 AI

影响 引入了一种新颖的求解偏微分方程的方法，该方法在准确性和泛化能力方面优于现有技术。

排序理由 该集群包含一篇详细介绍科学机器学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的MiNO方法学习偏微分方程传播子，以改进科学机器学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Gnankan Landry Regis N'guessan, Bum Jun Kim ·

    MiNO：用于偏微分方程的余切丛传播器学习

    arXiv:2608.15187v1 Announce Type: new Abstract: Scientific machine learning for partial differential equations commonly targets solution fields, as in physics-informed neural networks, or solution maps, as in neural operators. We study a third target: the propagator itself, a pha…

相关实体

相关话题