Neural Operator generalisiert PDE-Emulation – neue, vielseitige Lösung
Die Lösung partieller Differentialgleichungen (PDEs) ist mit klassischen numerischen Verfahren oft mit enormen Rechenaufwand verbunden. Traditionelle Deep‑Learning‑Surrogatmodelle sind dagegen meist auf eine einzige PDE mit festen Parametern ausgelegt. In einer neuen Veröffentlichung auf arXiv wird ein Rahmenwerk vorgestellt, das PDE‑Emulationen generalisiert, indem es einen neuronalen Operator mit einer Vektor‑Kodierung der Gleichungsterm‑Struktur und ihrer Koeffizienten konditioniert.
