neural solvers

新方法提升神经PDE求解器的准确性和效率 · 跟踪4个来源

研究人员正在探索训练偏微分方程（PDE）神经求解器的新方法，以提高其准确性和效率。一种方法侧重于在简单预测分数之外评估所学的动力学，提出了一个框架来评估误差形成、集合几何和极端事件。另一种方法为非结构化神经PDE求解器引入了一个数据高效的预训练框架，利用几何驱动和物理驱动策略来减少对昂贵数据集的依赖。此外，一种名为“任意维度机器学习”的技术，利用图神经网络，允许在低维度训练的PDE求解器应用于高维度，并提高性能和降低计算成本。