CEEN 用时间子区间逐段网络与顺序训练，在 PINN 失败的长时间 PDE 积分上把相对误差降到 1e-3 至 1e-2 量级
该工作提出因果强制演化网络（CEEN），把时间域划分为不重叠子区间、每个子区间配一个神经网络，并以 PDE 积分形式（梯形法则）构造损失、从初始时刻起顺序训练，从而在 KdV、薛定谔、对流与 Allen-Cahn 方程的长时间积分中取得比原始 PINN 更高的精度，同时计算成本与内存更低，并给出并行化算法加速训练。
该工作提出因果强制演化网络（CEEN），把时间域划分为不重叠子区间、每个子区间配一个神经网络，并以 PDE 积分形式（梯形法则）构造损失、从初始时刻起顺序训练，从而在 KdV、薛定谔、对流与 Allen-Cahn 方程的长时间积分中取得比原始 PINN 更高的精度，同时计算成本与内存更低，并给出并行化算法加速训练。
已读完全部报道