PINN参数误设闭式审计方法发布

2026年10月20日，David McShannon与Nicholas Dietrich在arXiv发布研究，针对物理信息神经网络参数误设提出闭式审计方法。 当残差对参数呈线性关系时，该方法可通过单次评估冻结网络获取最小二乘估计值，无需重训练或参考数据，恢复误差与归一化残差呈对数相关。 在Burgers方程等场景中，该方法能有效检测误设；但研究指出，当错误率进入模型架构时，2%以内的误差可能无法被识别，揭示了该审计方法的局限性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。