Error-Conditioned Neural Solvers

新的误差条件神经网络求解器提高了PDE的准确性

研究人员开发了误差条件神经网络求解器（ENS），这是一种解决偏微分方程（PDE）的新方法，可提高准确性和效率。与依赖统计映射或昂贵的优化步骤来强制执行物理正确性的先前方法不同，ENS在每次迭代时直接将PDE残差场输入网络。这使得模型能够从自身的错误中学习并迭代地改进其预测，从而在病态系统中获得显著的准确性提升。ENS在各种PDE族中均表现出卓越的性能，包括在湍流Kolmogorov流上实现了十倍的改进，同时在分布变化下也显示出强大的泛化能力。