从部分观测进行的时空连续物理模拟
原文中文，约300字，阅读约需1分钟。发表于：。基于机器学习的数据驱动方法在流体力学中提出了一种新的解决方案，通过通过在连续的空间和时间域中进行预测和插值来解决传统方法中的固定支持计算和预测的缺点。
该文章介绍了一种新颖的网格无关模型，用于从具有噪声和部分观测的不规则时空网格中学习偏微分方程。该模型具有高效的概率框架和新颖的编码器设计，能够提高数据效率和网格独立性。通过分摊变分推断和多射击技术，该模型在复杂的合成和真实世界数据集上展示了最先进的性能，能够有效处理部分观测数据。该模型优于最近的方法，显示了推进数据驱动的偏微分方程建模的潜力，并能够对复杂的部分观测动态过程进行稳健、网格无关的建模。
