PDE-Dirichlet

新协议解决 PDE 联邦学习中的数据异质性问题

开发了一种名为 PDE-Dirichlet 的新协议，以解决涉及偏微分方程 (PDE) 的科学机器学习任务中联邦学习的数据异质性问题。该协议使用最优输运量化客户端分离，并建立了分配异质性与优化发散之间的联系。在各种 PDE 任务和神经算子族上的实验表明，异质性增加会导致解距离和优化分散度增加，在低粘度 Burgers 方程中观察到最显著的影响。