physics-informed methods

新的神经框架在无轨迹数据的情况下提高了 PDE 模拟的准确性

研究人员开发了一种新颖的自主偏微分方程 (PDE) 神经残差框架，可在无需大量轨迹数据的情况下提高长时外推的准确性。该方法利用数值先验来简化一步演化算子的近似，并利用弱形式 PDE 残差来估计一步误差项。该框架在五个基准案例和四类 PDE 中得到了验证，显示出外推误差的减少，并且优于十种竞争性的物理信息学习方法，提供了增强的长时模拟能力。