Martingale Neural Operator

Martingale Neural Operators 通过 Doob-Meyer 分解学习随机边际

研究人员开发了一种名为 Martingale Neural Operator (MNO) 的新型神经算子架构，旨在处理随机偏微分方程 (SPDE)。与现有塌缩为条件均值的确定性算子不同，MNO 利用 Doob-Meyer 定理直接将初始条件映射到终端定律的条件均值和协方差。这种方法通过恢复方差和尾部结构，实现了高效的不确定性量化，在 Wasserstein 距离和速度方面优于条件扩散基线。