MV-DeepONet

新的MV-DeepONet方法增强了物理系统中的不确定性量化

研究人员开发了一种名为两步MV-DeepONet的新方法，以改进复杂物理系统中的不确定性量化。该方法通过准确表示场值输出中的交叉位置条件依赖性来增强概率代理模型，这是先前概率DeepONet模型的局限性。该方法涉及一个两步训练过程，并将高斯概率建模转移到较低维度的系数空间，从而在数值实验中实现更结构化的不确定性带和准确的非对角线相关性模式恢复。