Pre-Generating Multi-Difficulty PDE Data for Few-Shot Neural PDE Solvers
Dit artikel toont aan dat het strategisch vooraf genereren en cureren van trainingsdata voor PDE's met meerdere moeilijkheidsgraden, specifiek door een overvloed aan voorbeelden met een lage tot gemiddelde moeilijkheidsgraad op te nemen, de computationele kosten van klassieke solvers aanzienlijk vermindert, terwijl het neurale PDE-solvers in staat stelt om met veel minder hoog-moeilijke monsters een hoge nauwkeurigheid te bereiken bij complexe taken.