arXiv · ML· Maciej J. Mikulski, Tadeusz Uhl·· 8 小时前AI 评分23
PINNs 中衍生计算：自动微分、有限差分及其超越
Derivative Computation in PINNs: Automatic Differentiation, Finite Differences and Beyond
AI 导读
研究发现有限差分（FD）在精度上匹配自动微分（AD），且运行速度更快、GPU 内存占用显著降低。 在含样本间依赖的架构中，FD 提供了比标准 PyTorch autograd 更准确的前向近似，误差低一个数量级。 针对特定基准 PDE 问题，提出的随机变体在稳态问题上性能优于 AD。
来源：arXiv · ML · arxiv.org