Wasserstein Data Synthesis Pipeline

新 WaSP 方法训练 AI 在无需昂贵数据的情况下求解偏微分方程

研究人员开发了 Wasserstein 数据合成管道 (WaSP)，这是一种新颖的训练神经网络算子以求解偏微分方程 (PDE) 的方法，无需昂贵的输入-解对。WaSP 通过合成逐渐缓解分布偏移的训练数据，解决了现有无求解器方法的局限性。该方法在 Allen-Cahn 和 Kuramoto-Sivashinsky 方程等复杂 PDE 上取得了显著改进，解误差最多可降低 9.5 倍。