研究团队提出用于学习微分方程的数据高效核方法框架

2026年11月4日，相关研究论文在arXiv发布，提出了一种用于学习微分方程及其解算子的高数据效率核方法框架。该框架能够显著降低对系统状态观测及样本数据的需求。在训练方面，研究团队引入了高斯-牛顿型优化算法，以此兼顾精度与求解速度，并针对算法提供了量化的最坏情况误差界理论保证。数值基准测试结果表明，该方法改善了计算复杂度和鲁棒性，其模型精度相比部分现有SOTA算法提升了1至2个数量级。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。