神经网络找到高幅水波候选解,区间算术与Lean把残差界变成可核验的数学陈述
物理信息神经网络此前只能给出采样点上的小残差,无法说明连续域上的误差有多大。这条流程让网络在共形坐标的Babenko方程上搜索高幅重力—毛细波,经多级神经修正、傅里叶投影与牛顿抛光把最大采样残差降低约七个数量级,再把候选冻结为显式三角多项式,用区间算术给出连续残差的严格一致上界,并在Lean中机器核验从数值界到最终残差定理的推导。
物理信息神经网络此前只能给出采样点上的小残差,无法说明连续域上的误差有多大。这条流程让网络在共形坐标的Babenko方程上搜索高幅重力—毛细波,经多级神经修正、傅里叶投影与牛顿抛光把最大采样残差降低约七个数量级,再把候选冻结为显式三角多项式,用区间算术给出连续残差的严格一致上界,并在Lean中机器核验从数值界到最终残差定理的推导。
已读完全部报道