混合变分-配点PINN在奇异PDE中的自适应细化验证

2026年10月20日，arXiv发表研究报告，介绍了一种基于残差的混合变分-配点物理信息神经网络（PINN），用于解决奇异椭圆偏微分方程（PDE）的自适应细化问题。 该研究在相同的配点数量与迭代预算下，对比了基于残差的自适应细化方法与传统的均匀点插入方法。结果显示，新方法在多个误差指标上表现更优，其中相对L2误差最多降低32倍，L∞误差最多降低38倍，H1半范数误差最多降低15倍。 报告指出，该方法在五个二维基准问题上进行了验证，特别展示了其在裂纹尖端及边界类型变化点等奇异位置对梯度的逼近能力，证明了其在处理复杂几何特征时的有效性。

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。