1D-CACE

LLM-PDESR框架利用LLM从噪声数据中改进PDE发现

研究人员开发了LLM-PDESR，一个旨在从噪声数据中改进偏微分方程（PDE）发现的新框架。该方法结合了大型语言模型（LLM）的符号假设生成能力和一个鲁棒的评估环境。LLM-PDESR利用C^4连续三次样条进行精确微分，并使用子域加权残差来过滤噪声，从而为优化创建一个更稳定的适应度景观。该框架在23个典型PDE和五个新方程上进行了测试，与现有方法相比，在结构恢复和噪声鲁棒性方面表现出优越的性能。它还成功应用于从噪声ERA5再分析数据中…