arXiv发布预算化神经算子PDE求解强化学习论文

研究者 Ange Tong 在 arXiv 提交论文，提出面向预算受限神经算子 PDE 求解器的长时程强化学习框架 RV-PI，让求解器学会何时、在哪里花费有限的修正预算。 该框架由全局 Fourier 神经算子推进整个场，局部算子提出分块残差修正，集合感知选择器决定修正位置，宏观策略决定何时修正及剩余预算分配。论文称，RV-PI 通过实际续跑学习到的 PDE 求解器来评估可行的修正次数，将长时程优势转化为保守策略目标，仅在留出轨迹误差改善时接受更新。上述效果为论文自述，尚未见独立验证。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。