研究人员开发了一种新颖的混合数值方法，将时间有限元方法与深度神经网络相结合，用于求解时变偏微分方程。该方法与传统的深度学习方法不同，它在时间方向上使用有限元基函数，并用神经网络定义与空间相关的系数。该方法旨在避免时间积分中的统计误差，并可以产生简化的空间基函数。还开发了一种自适应采样策略，采用显式密度模型来近似 PDE 残差分布，以处理高维度并提高训练效率，数值实验证明了这一点。 AI
影响 这种混合方法有望为科学计算中复杂时变问题提供更有效、更准确的解决方案。
排序理由 该集群包含一篇关于求解偏微分方程新数值方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Deep Neural Networks
- FEM-PINN
- partial differential equations
- physics-informed neural networks
- time finite element method
- Xiaodong Feng
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
