Robertson

新方法使用隐式层求解刚性微分代数方程

研究人员开发了一种新颖的方法来学习刚性微分代数系统的算子模型，这类系统对于神经网络来说非常难以处理。他们的方法利用扩展牛顿隐式层，在单个可微分步骤中精确地强制执行代数约束，并将快速动力学近似为其准稳态值。这种物理引导的DeepONet架构与传统的惩罚方法甚至标准的牛顿求解器相比，显著降低了误差，并在并网逆变器和Robertson 刚性DAE等复杂系统上表现出强大的性能。