研究人员开发了一个名为 TensorGalerkin 的新算法框架，用于求解、优化和学习具有变分结构的偏微分方程 (PDE)。该框架利用高效的 Galerkin 离散化和 GPU 兼容的 TensorGalerkin 方法来装配线性系统。TensorGalerkin 方法在 PyTorch 的 autograd 中优化了逐元素操作，使得装配图与网格大小无关。跨各种 PDE 类型的基准测试表明，与现有的数值求解、约束优化和物理信息算子学习方法相比，在计算效率和准确性方面均有显著提升。 AI
影响 引入了一种新颖的物理信息算子学习框架，有望加速 AI 驱动的科学发现。
排序理由 这是一篇详细介绍求解偏微分方程新算法框架的研究论文。[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 →