实体
Pikan
Pikan
PulseAugur coverage of Pikan — every cluster mentioning Pikan across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新型QCPIKAN模型结合量子和经典计算求解模糊微分方程
研究人员推出了一种新颖的量子-经典物理信息Kolmogorov-Arnold网络（QCPIKAN），旨在求解模糊微分方程。该混合网络集成了ChebyKAN模块和参数化量子电路，接受时空坐标和隶属度水平作为输入。它同时近似\alpha-截断的端点函数，并将控制方程和边界条件纳入其训练目标。理论分析表明，当量子纠缠增益超过额外的计算误差时，QCPIKAN比其前身PIKAN具有更小的先验误差界，这在各种微分方程的数值实验中得到了证明。
-
PG-KINN：新型AI网络利用Petrov-Galerkin KANs增强偏微分方程求解能力
研究人员推出了一种新颖的物理信息神经网络PG-KINN，它采用了Petrov-Galerkin公式并结合了Kolmogorov-Arnold网络（KANs）。该方法旨在克服传统多层感知机（MLP）在求解偏微分方程（PDEs）方面的局限性。PG-KINN使用KANs作为试函数空间，并使用一个独立的、紧支撑的分段多项式空间作为测试函数空间，这使得对于包括逆向识别任务在内的更广泛问题，可以实现更低的微分阶数和更好的条件数。
-
新的LRX-PINN模型提高了对流主导问题的准确性
研究人员开发了一种新型物理信息神经网络，称为LRX-PINN，旨在处理对流主导问题。该网络利用集成的柯西激活函数来有效模拟此类问题特有的薄层和尖锐过渡剖面。与PIKAN和Fourier-feature PINNs等现有方法相比，LRX-PINN在准确性和参数效率方面表现出改进，并且可以集成到现有的hp-VPINN等框架中以获得进一步的性能提升。