Neptune方法从稀疏数据中估计复杂的偏微分方程参数

研究人员推出了一种名为Neptune的新方法，该方法旨在利用稀疏测量来推断复杂多物理场偏微分方程（PDE）中的参数场。该方法利用独立坐标神经网络来表示参数场，其性能优于物理信息神经网络（PINNs）和神经算子等现有方法。Neptune在仅有45个测量值的情况下就展示了强大的参数估计能力，显著降低了误差，并显示出优越的物理外推能力。 AI

影响 促进复杂物理和生物医学模型更具数据效率的参数推断。

排序理由 学术论文，详细介绍了偏微分方程参数估计的新方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• Neptune
• physics-informed neural networks
• ScienceCast
• Xuyang Liu

• 论文
• 其他

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