English(EN) Gradient-Update Mismatch: Rethinking Conflict-Free Training of Physics-Informed Neural Networks

新的GUM方法解决了物理信息神经网络中的冲突梯度问题

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-02 04:00

研究人员在训练物理信息神经网络（PINNs）时发现了一个名为梯度更新不匹配（GUM）的问题。当优化器在梯度手术方法试图解决冲突梯度后，仍然在更新方向上引入新的冲突时，就会发生GUM。这种差异可能导致重大错误，在各种优化器中冲突率高达86.3%。为了解决这个问题，研究人员提出了梯度更新对齐（GUA）方法，该方法将优化器的提议更新投影到无冲突锥上，在测试的PINN设置中持续提高性能并减少高达98.2%的错误。 AI

影响引入了一种提高物理信息神经网络训练稳定性和准确性的方法，有可能在科学领域实现更可靠的模拟和预测。

排序理由研究论文，详细介绍了一种新颖的神经网络训练方法。[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 →

本文如何被排名

Signal score: 29 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 研究论文，详细介绍了一种新颖的神经网络训练方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Jing Xiao, Xinhai Chen, Qinglin Wang, Menghan Jia, Zhiquan Lai, Dongsheng Li, Jie Liu, Tiejun Li · 2026-09-02 04:00

梯度更新不匹配：重新思考物理信息神经网络的无冲突训练

arXiv:2609.01558v1 Announce Type: new Abstract: Training Physics-Informed Neural Networks (PINNs) requires jointly optimizing physics residual and initial/boundary condition loss terms, which often induce conflicting gradients. Gradient surgery methods mitigate this issue by cons…

本文如何被排名

报道来源 [1]

梯度更新不匹配：重新思考物理信息神经网络的无冲突训练

相关实体

相关话题