宁波东方理工大学与北京大学等单位联合提出的格林算子网络(GON)框架在《计算物理学杂志》上发表。该框架基于深度学习,首次实现了对格林函数的可解释学习,显著超越现有主流方法,能够直接逼近格林函数,解决复杂的线性偏微分方程,展现出更高的精度和泛化能力,适用于多种三维有界区域的应用。
本研究探讨了核反应堆中中子通量空间分布的重建问题,采用基尔霍夫-赫尔姆霍兹方程作为框架,提出了一种数据驱动的格林函数近似方法,验证了其可靠性和唯一性,旨在提升核反应堆的安全监测与性能分析。
本研究分析了传统格林函数方法在大规模稀疏图中的不稳定性,提出了一种新方法,等效于完全连接图的格林函数,并引入加速技术以提升效率,实验结果验证了其有效性和稳定性。
作者证明了在没有探测共轭转置算子的情况下,可以通过在傅里叶基上进行投影来近似非自伴无穷维紧算子,并应用于获取椭圆型偏微分算子的格林函数。他们还推导出了不需要共轭转置的样本复杂度界限。这是无共轭转置分析中试图弥合理论与实践差距的第一篇文章。
完成下面两步后,将自动完成登录并继续当前操作。