基于仿真校准的科学机器学习的物理信息推断时间缩放

本研究针对高维偏微分方程在科学机器学习中常见的偏差问题，提出了一种物理信息框架——仿真校准科学机器学习（SCaSML），通过强制执行物理法则动态修正推断结果。实验表明，SCaSML相较于基本代理模型在推断过程中减少了20-50%的误差，开创性地实现了对高维偏微分方程近似解的优化。