基于物理知识的傅里叶神经算子的自适应加权方法：在数据有限的情况下求解不连续偏微分方程

《Applied Mathematical Modelling》：Learned Adaptive Weighting for Physics-Informed Fourier Neural Operators: Solving Discontinuous PDEs with Limited Data

　　

辛虎|博安|永科观|梁旭|闵宇|董莉

• •
  提出了一种用于不连续偏微分方程的双操作符框架。
• •
  辅助神经操作符能够自适应地调整冲击波处的物理损失权重。
• •
  一种新颖的正则化策略可以防止权重网络出现平凡解。
• •
  在数据有限的情况下，该框架在平流、Burgers方程和Euler方程的测试中表现优于基线方法。