研究人员开发了PaPi，一种用于神经谱架构（NeuSA）的新型集成方案，可显著加速物理信息神经网络（PINNs）的训练和推理。与传统的顺序方法不同，PaPi利用Duhamel-Picard方案实现时间并行推理，加速高达两个数量级。这项进展使得在保持准确性的同时，某些偏微分方程学习问题的训练时间缩短到一秒以内。 AI
影响 加速了物理信息神经网络的训练和推理，从而能够更快地开发和部署复杂问题的模型。
排序理由 该集群描述了arXiv论文中提出的一种新集成方案，该论文是一项研究出版物。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2610.28591v1 Announce Type: new Abstract: Neuro-spectral architectures (NeuSA) are a class of physics-informed neural networks (PINNs) that have proven effective for solving time-dependent PDEs in the frequency domain. However, training and inference often rely on costly nu…
Neuro-spectral architectures (NeuSA) are a class of physics-informed neural networks (PINNs) that have proven effective for solving time-dependent PDEs in the frequency domain. However, training and inference often rely on costly numerical integration of the learned vector field,…