神经偏微分方程求解中的自回归复兴
原文中文，约300字，阅读约需1分钟。发表于：。“Message Passing Neural PDE Solver” by Brandstetter et al. designs a graph neural network that outperforms both Fourier Neural Operator and classical PDE solvers in generalization capabilities and...
本文提出了一种混合反向 PDE 网络，将深度神经网络和偏微分方程数值算法相结合，通过语义自编码器实现了域特定知识和物理约束的综合应用，解决了大量数据中的未知字段问题，并在泊松问题和 Burgers 方程中证明了其可行性和噪声鲁棒性。
