热点事件持续更新
研究团队提出自适应区域分解方法ADD-FBPINNs
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年11月5日，arXiv发布的研究提出面向有限基物理信息神经网络的自适应区域分解方法（ADD-FBPINNs）。该方法通过融合POUNets与FBPINNs，利用可分离POUNet依据解的特征进行自适应划分，能自动学习稳定且具备几何可解释性的子区域，旨在提升区域分解效率与计算精度。在二维Helmholtz方程、多尺度二维Poisson方程和粘性Burgers方程的测试中，ADD-FBPINNs的精度均优于固定区域分解的FBPINNs。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
研究提出ADD-FBPINNs方法，在多类方程测试中精度优于固定分解的FBPINNs。报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.LG面向有限基物理信息神经网络的自适应区域分解方法
研究提出自适应区域分解有限基物理信息神经网络（ADD-FBPINNs），通过融合 POUNets 与 FBPINNs 提升区域分解效率与计算精度。框架借助可分离 POUNet 依据解的特征自适应划分，可自动学习稳定且具备几何可解释性的子区域。在二维 Helmholtz 方程、多尺度二维 Poisson 方程和粘性 Burgers 方程测试中，其精度均优于固定区域分解的 FBPINNs。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。