11:46
arXiv cs.LG@Callum Marsh, Radek Erban, Andreas Munch
推荐理由：这篇论文的ESPINN模型用少量快照就能反推出相场模型的化学势和梯度系数，实验稳定，值得关注。
全部 AI 动态
AI 相关资讯全量信息流
6月24日
11:46
ESPINN框架从瞬态快照数据中反向识别相场模型，同时恢复体化学势和未知梯度系数。在一维Cahn-Hilliard方程实验中，无噪声时单快照对即能准确重建。有噪声时精度下降，但增加快照数量可降低方差、提升鲁棒性。该方法实现了数据高效且物理一致的自由能结构学习。
6月16日
20:46
AITOP6月16日 20:46
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
10:10
10:10
arXiv cs.LG@Zhen Zhang, Alessandro Alla, George Em Karniadakis
精选
推荐理由：做计算力学和逆问题研究的团队，这篇论文帮你省去选择方法的纠结——它给出了伴随法和PINN在不同场景下的明确优劣边界，看完可以直接指导你的实验设计。
6月2日
12:02
12:02
arXiv cs.LG@Henry Kasumba, Ronald Katende
推荐理由：做偏微分方程数值模拟的团队，可以用PINN残差替代传统误差估计器来指导网格自适应，显著节省计算资源——60个自由度就能达到192个自由度的精度，值得在工程仿真中试试。
5月11日
11:44
11:44arXiv cs.LG（学术论文）
推荐理由：该工作为物理信息神经网络在稀疏传感交通估计中的实际部署提供了实用框架，残差引导的域分解策略可推广至其他涉及不连续性的PINN应用，其训练效率提升对资源受限场景有直接价值。