May, 2024
闭式符号解:求解偏微分方程的新视角
Closed-form Symbolic Solutions: A New Perspective on Solving Partial Differential Equations
Shu Wei, Yanjie Li, Lina Yu, Min Wu, Weijun Li...
TL;DR该论文提出了一种新的框架:用于解决偏微分方程(PDE)的闭式符号框架(SymPDE),探索使用深度强化学习直接获得 PDE 的符号解。SymPDE 减轻了 Physics-Informed Neural Networks 在拟合高频率和陡变函数中面临的挑战,并通过在时间独立和时空动力系统中解决 Poisson 方程和热方程的实验,证明了 SymPDE 可以为各种类型的 PDE 提供准确的闭式符号解。