Active Transfer Modeling

新方法实现可复用的神经微分方程求解器

研究人员开发了一种名为线性子空间迁移（LST）的新方法，该方法允许参数微分方程的神经网络求解器跨不同条件进行重用。该方法利用单条件训练模型的输出雅可比矩阵来定义一个可迁移的响应空间。为了解决单一空间覆盖范围的限制，引入了主动迁移建模（ATM），该方法根据迁移后残差，从其他单条件模型中选择性地获取额外的响应空间。在六个系统上的实验表明，与物理信息算子基线相比，ATM显著降低了误差和离线构建成本，实现了显著的精度提升和快速的适应时间。