A derivative-fidelity failure mode in physics-informed neural networks: strengthened benchmark evidence from function-value training
Cet article identifie et valide un « mode de défaillance de fidélité des dérivées » dans les réseaux de neurones informés par la physique, démontrant que des modèles entraînés uniquement sur des valeurs de fonctions peuvent parvenir à des approximations visuellement précises tout en produisant des dérivées secondes significativement erronées, particulièrement dans les régions à forte courbure.