研究人员开发了TangentPDE,一个用于训练神经PDE算子的新颖框架,该框架专注于准确捕捉其对局部扰动的敏感性。与主要优化状态重构的先前方法不同,TangentPDE结合了方向导数的有限差分近似。这种方法允许它仅使用稀疏配对输入处参考求解器的状态输出来学习算子的状态预测及其局部变化。该框架已在各种PDE系统和神经算子骨干网络中证明了状态误差和滚动误差的改进。 AI
影响 提高了神经PDE算子的准确性和鲁棒性,可能改善其在科学模拟中的应用。
排序理由 该项目描述了一篇详细介绍用于训练神经PDE算子新颖框架的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →