Preconditioned Physics-Informed Neural Operator Training

提出预条件残差损失函数，解决物理信息神经网络算子训练中的病态条件数问题，在椭圆和鞍点问题上实现网格无关条件数。无需标签数据即可匹配监督训练精度，在 Poisson、Allen-Cahn 和稳态 Stokes 方程上比先前物理信息算子学习方法准确 4-25 倍。适用于线性和非线性方程、稳态或时间依赖问题，结构化和非结构化网格均兼容，推理无额外开销。