LDNet 扩展支持可变初始条件的 PDE 求解

研究者扩展了潜在动力学网络（LDNet），使其能处理初始条件可变的偏微分方程（PDE）解算子学习，同时保留原方法的端到端训练和无编码器特性。Stefano Maria Pizzamiglio 等作者在论文中称，原 LDNet 受限于固定初始条件，新方法克服了这一限制。 方法从少量早期观测推断初始潜在状态，比较了自解码与元学习两种策略。作者称元学习显著加速潜在状态推断并带来更平滑的优化景观，在平流扩散、流体动力学和固体力学等物理现象上验证了准确性。基于坐标的解码器支持从空间下采样数据训练，并在推理时恢复高分辨率解场。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。