利用可训练差分算子学习模拟部分已知的时空动力学
机器学习
2023-07-28 v1 人工智能
摘要
近年来，使用神经网络模拟时空动力学受到了广泛关注。然而，大多数现有方法采用纯数据驱动的黑盒模型，其精度和可解释性有限。通过将可训练差分算子与黑盒模型相结合，我们提出了一种显式嵌入底层偏微分方程部分先验知识的新混合架构，命名为 PDE-Net++。此外，我们为差分算子引入了两种不同选项，即可训练翻转差分层（TFDL）和可训练动态差分层（TDDL）。大量数值实验表明，PDE-Net++ 比黑盒模型具有更优的预测精度和更好的外推性能。
引用
@article{arxiv.2307.14395,
title = {Learning to simulate partially known spatio-temporal dynamics with trainable difference operators},
author = {Xiang Huang and Zhuoyuan Li and Hongsheng Liu and Zidong Wang and Hongye Zhou and Bin Dong and Bei Hua},
journal= {arXiv preprint arXiv:2307.14395},
year = {2023}
}