Poisson-Boltzmann 2D

新的训练方法提升了物理信息神经网络

研究人员推出了一种名为分阶段深度训练（Staged Depth Training, SDT）的新型表示学习课程，旨在提高物理信息神经网络（PINNs）的性能。该方法独立于最终预测任务，显式地分阶段学习和优化表示。SDT在各种PINN基准测试中均显示出显著的改进，包括在PirateNet风格骨干网络上几何平均误差降低32.8%，以及在泊松-玻尔兹曼二维问题上增强了深度缩放指数。该技术旨在提升PINN能力，而无需改变核心架构或需要特定于方程的编码。