利用线性特征解耦方法提高深度学习对非线性薛定谔方程的拟合精度

本研究针对深度学习在拟合非线性薛定谔方程中的不足，通过采用特征解耦分布方法（FDD）来提高拟合能力。研究表明，应用该方法后，非线性薛定谔方程的损失显著降低，展示了其在深度学习拟合中的潜在影响。