研究者提出可自我重塑的PDE求解器ReCAP

研究者提出一种名为“物理信息神经可塑性”的范式，让偏微分方程（PDE）求解器的表示结构在优化过程中根据尚未求解的物理动态自行重塑，并据此实现了求解器 ReCAP。ReCAP 采用高斯局部化结构，通过局部增强、残差导向分裂、门控剪枝和函数感知合并来动态重分配计算容量。 在 5 个 3D 和 4D PDE 基准问题上，ReCAP 与 11 个物理信息求解器对比，在每个问题上都取得最低的相对 L² 误差，比最强对比结果低 10.7%–27.5%。该结果来自作者在 arXiv 上发布的论文，尚未见独立复现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。