Nov, 2023
基于深度均衡的神经算子对稳态偏微分方程的研究
Deep Equilibrium Based Neural Operators for Steady-State PDEs
Tanya Marwah, Ashwini Pokle, J. Zico Kolter, Zachary C. Lipton, Jianfeng Lu...
TL;DR基于数据驱动的机器学习方法正在越来越多地应用于解决偏微分方程(PDEs),特别是在训练运算符方面展现出了显著的成功。在本文中,我们研究了使用绑定权重神经网络架构求解稳态 PDEs 的优势,并证明了 FNO-DEQ 可以近似解决任何可写为固定点方程的稳态 PDE。