使用符号框架的可解释神经偏微分方程求解器

该研究提出了一种终端到端框架，用于解决PDE问题。该框架使用训练有素的PINN生成数据集，并使用文法描述符号表达式空间。通过DPA修剪，可提高可解释性和准确性。修剪后，DPA的参数减少95.3％，准确性提高了7.81％。该框架在复杂的PDE系统上表现优于现有的SR解算器。