Shital Adhikari

新研究通过学习初始化和LLM指导设计来解决PINN训练失败问题

两篇新研究论文探讨了改进物理信息神经网络（PINN）的训练和设计方法。第一篇论文介绍了LIGO-PINN，一个使用学习初始化来克服PINN收敛失败的框架，在各种PDE领域展示了显著的性能提升。第二篇论文提出了一种进化算法来指导大型语言模型设计PINN，创建完整的、可执行的配置，这些配置会随着代际积累经验，并在波动方程上显示出改进的性能。