神经算子在行人流动复杂偏微分方程学习中的挑战：休斯模型案例研究

本研究探讨了神经算子在学习休斯模型（描述人群动态的一阶双曲守恒定律系统）解决方案中的局限性。通过评估三种最先进的神经算子在不同复杂场景下的表现，发现这些算子在初始条件较简单的情况下表现良好，但在存在多个初始不连续性和动态边界条件的复杂情况下，则难以捕捉重要的物理特征，影响了其在交通应用中的推广能力。