PolyNet：已知系数下免训练的神经多项式仿真

Luka Todorovic、Kaushal Gianchandani 和 Sai Ravela 提交预印本论文，提出 PolyNets 方法：把多项式动力学的连续时间神经表示与用于离散时间积分的简单循环网络耦合。据论文称，在控制系数已知时，所得张量图无需训练即可保持预设的数值格式，并支持高效硬件执行与并行仿真。 在一维 Korteweg-de Vries 方程上，PolyNet 与 CPU、GPU 有限差分 Runge-Kutta 求解器以及三个已训练神经模型（状态映射仿真器、物理信息预测器、学习趋势积分器）进行了对比，其精度与两种有限差分求解器相当，并在训练条件之外的振幅下仍然有效。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。