Latent Structured Spectral Propagators

新神经网络框架改进了长时程偏微分方程预测

研究人员开发了一种名为潜在结构谱传播器（Latent Structured Spectral Propagators, SSP）的新型神经网络预测框架，以改进时间依赖性偏微分方程（PDE）的长时程预测。该方法解决了现有神经网络算子在自回归使用时常见的误差累积和动态漂移问题。SSP通过在潜在空间中学习一个传播器来重新构建偏微分方程的展开，将物理状态映射、投影到紧凑传播状态以及谱模式演化分离开来，从而提高了时间外推的稳定性和准确性。