分数阶更优：神经算子学习中的可学习导数阶数

研究人员提出用于神经算子的架构无关增强方法 $\partial$-NO（del-NO），通过为任意骨干网络引入可学习的分数阶导数特征来提升偏微分方程求解精度。理论证明输入导数特征可将逼近误差界从 $O(W^{-(s-m)/d})$ 优化至 $O(W^{-s/d})$，但最优导数阶数 $\beta^*$ 严格小于方程阶数 $m$。