CoLoRA：基于连续低秩自适应的参数化偏微分方程简化隐式神经建模
原文中文，约400字，阅读约需1分钟。发表于：。该论文介绍了基于连续低秩适应（CoLoRA）的简化模型，该模型对给定的偏微分方程进行预训练，并通过持续时间中的低秩权重的连续调整来快速预测新物理参数和新初始条件下解场的演化。CoLoRA 的适应性可以是纯数据驱动的，也可以通过基于方程的变分方法来提供伽辽金最优近似。由于 CoLoRA 在时间上本地逼近解场，权重的秩可以保持较小，这意味着只需要少量离线训练轨迹，因此 CoLoRA...
该论文介绍了基于连续低秩适应（CoLoRA）的简化模型，通过预训练和连续调整权重来快速预测新物理参数和新初始条件下解场的演化。CoLoRA适用于数据稀缺的情况，预测速度快且准确性高。
