Neural PDE-Lösungen: Training-freie Projektionen reduzieren Fehler drastisch
Neurale Netzwerke, die partielle Differentialgleichungen (PDEs) lösen, sind in der wissenschaftlichen Simulation zunehmend beliebt. Sie stoßen jedoch häufig an die Grenze, wenn die zugrunde liegenden physikalischen Gleichungen nicht exakt eingehalten werden. Gerade bei linearen Einschränkungen lässt sich das Problem mit einfachen Projektionen lösen, doch die meisten relevanten Bedingungen sind nichtlinear und erschweren die direkte Projektion auf den zulässigen Lösungsraum.
