#PDE求解

arXiv 上这篇论文挺有意思：把调和测度做成可学习的边界核，训练一次，换边界条件换源项都不用重训，直接重新积分就出新解。做科学计算或 PDE 求解的可以看看。

PINN 解刚性 PDE 容易翻车，这篇把指数积分器接进 NeuSA，稳定性和精度都保住了，代码也开源了。

MoNo解决了神经算子中token分配不均的痛点，用最优传输做多尺度，PDE求解又快又准，代码也开源了。

做科学计算和 PDE 求解的团队，终于有了一个能自然处理复杂几何和拓扑结构的算子学习框架，比传统 NO 更准，值得一试。

做物理模拟或PDE求解的团队终于有了解决高频细节丢失的实用方案——FreqNO-DPS用扩散模型校正神经算子的谱偏差，在稀疏观测下也能恢复全频带精度，建议做科学计算或工程仿真的直接试。

做算子学习或 PDE 求解的团队，终于有办法让 Transformer 不再把连续场当离散 token 处理了——Functional Attention 用函数对应替代 token 注意力，既提升泛化又保持分辨率不变，值得一试。