FastLSQ:基于傅里叶特征的 PDE 求解器(带精确解析导数)
数值分析
2026-03-24 v4 机器学习
数值分析
摘要
我们提出 FastLSQ,一个基于三角随机傅里叶特征并具备精确解析导数的 PDE 求解与逆问题框架。三角特征在 时间内可求解任意阶导数,实现无需自动微分的无图构建算子装配。线性 PDE:仅需一次最小二乘求解;非线性:Newton-Raphson 复用解析装配。在17个PDE(1--6维)上,FastLSQ 在线性问题中达到 精度耗时 0.07s,非线性问题中达到 -- 精度耗时 <9s,远快于迭代 PINN。解析高阶导数实现可微分数字孪生;我们演示逆问题(热源、线圈恢复)和 PDE 发现。代码: github.com/sulcantonin/FastLSQ 及 \texttt{pip install fastlsq}。
引用
@article{arxiv.2602.10541,
title = {FastLSQ: Solving PDEs in One Shot via Fourier Features with Exact Analytical Derivatives},
author = {Antonin Sulc},
journal= {arXiv preprint arXiv:2602.10541},
year = {2026}
}
备注
9 pages, 4 figure, Accepted at ICLR 2026 AI & PDE