NeurIPS 2024｜RoPINN: 局域优化的物理信息神经网络，PINN的新训练范式

文章预览

↑ 点击 蓝字  关注极市平台 作者丨吴海旭 来源丨THUML清华大学软件学院机器学习组 编辑丨极市平台 极市导读   本文提出了一种新的物理信息神经网络（PINNs）优化范式——局域优化，旨在解决PINNs在求解偏微分方程（PDE）时的泛化误差问题。RoPINN算法通过在不增加梯度计算开销的情况下，一致提升了5种PINN网络在19类PDE求解任务上的效果。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 本文介绍本组NeurIPS 2024 科学学习方向的最新工作：RoPINN: Region Optimized Physics-Informed Neural Networks 摘要：由于数值计算的局限，物理信息神经网络（PINNs）只能在离散的采样点上进行优化，限制了它们在全部定义域上的效果。本文提出并从理论上分析了一个全新的PINN优化范式：局域优化，可以有效降低PINN的泛化误差。进一步，我们提出RoPINN算法，在不增加任何 ………………………………