神经算子的合成数据生成

我们提出了一种新方法来生成合成的函数训练数据，该方法不需要数值地解决偏微分方程问题，从而能够快速高效地生成大量这样的数据点。

本文提出了一种混合反向问题复合框架，结合深度神经网络和偏微分方程数值算法，通过自编码器实现域特定知识和物理约束的综合应用，解决大量数据中的未知字段问题。在泊松问题和Burgers方程中应用和证明了其可行性和噪声鲁棒性。