实体
nonlinear Schrödinger equation
nonlinear Schrödinger equation
PulseAugur coverage of nonlinear Schrödinger equation — every cluster mentioning nonlinear Schrödinger equation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新型神经网络以更高的精度和速度加速偏微分方程求解 · 跟踪 4 个来源
研究人员正在开发先进的神经网络架构来改进偏微分方程 (PDE) 的求解。一种方法是自适应硬-软物理信息神经网络 (HSPINN)，它能精确强制执行边界条件，并使用自适应损失加权来平衡不同约束，从而比传统的 PINN 具有更快的收敛速度和更高的精度。另一种方法是时间诱导神经网络 (TINNs)，它将网络权重参数化为时间的函数，使空间表示能够演变，并显著提高了误差性能和收敛速度。此外，一种基于快速直接求解器的神经网络利用分层矩阵来学习 P…
-
新方法预测和控制混沌系统中的极端事件
研究人员开发了一种新技术，用于识别和预测混沌动力系统中的极端事件。该方法使用通过可微分编程框架中的反向传播导出的敏感性平衡投影，来揭示驱动这些事件的潜在机制。该方法已成功应用于各种系统，包括流体动力学、振荡器网络和海浪形成，证明了其预测事件和设计控制器以防止事件发生的能力。
-
PINNs 增强 PDE 求解器的自适应网格细化
研究人员开发了一种新颖的方法，该方法使用物理信息神经网络 (PINNs) 来增强偏微分方程 (PDE) 的有限差分求解器中的自适应网格细化 (AMR)。这种混合方法采用 PINNs 来识别高求解难度区域，从而指导有限差分求解器更有效地分配计算资源。在粘性 Burgers 方程等基准测试上的评估表明，与均匀细化策略相比，误差显著降低，自由度更少。