从 PDE 数值模拟到神经模拟器及回归：博士论文
chaumian · x · 2026-08-26
这是一篇探讨偏微分方程（PDE）数值求解与神经模拟器关系的博士论文。论文论证了这两种范式比想象中更相似：神经架构镜像了经典离散化，误差可通过谱分析统一处理。
核心贡献：
- APEBench：基于 JAX 的自回归 PDE 神经模拟器综合基准套件。
- Progressively Refined Differentiable Physics：研究未收敛求解器对代理训练的影响。
- Neural Emulator Superiority：分析数值误差与架构归纳偏差的影响。
「研究」频道最新
- OraRL：高效可扩展的视频 MLLM 强化学习 — Yunheng Li · 2026-08-26
- 三小时 agent 复现研究：前沿模型可高效摆脱 AI 检测 — maier_ak · 2026-08-26
- LLM 如何在生成中途自我修正？揭秘背后的推理与指令机制 — dejanseo · 2026-08-26
- 智利大学出书探讨 Maturana 理论在 AI 领域的现时有效性 — PolarBearby · 2026-08-26
- ECCV 2026 新研究：Face Anything 实现任意序列 4D 人脸重建 — rsasaki0109 · 2026-08-26
- Gemini 3.7 Flash 助力复活 CMA-ES 算法解释网站 — doodlestein · 2026-08-26