Skip to content
Hot eventLive

FT-PINN：非线性变形流形联合优化追踪激波

1 reports1 sources16 hr ago updated

Get the story

AI overview

2026年10月5日，arXiv（Statistics Machine Learning，一手来源）发表研究，提出特征追踪型物理信息神经网络 FT-PINN。该方法将解网络定义在固定参考域上，并与参数化非线性流形的微分同胚变形映射复合，通过最小化拉回守恒律残差，联合训练变形与解网络参数，以追踪非线性变形流形中的激波等特征。目前报道仅给出方法框架，未披露实验数据或对比结果。

Generated from reports · updated 16 hr ago

LatestOct 5
arXiv新研究提出FT-PINN，用非线性流形变形映射复合解网络并联合训练。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. arXiv · Statistics Machine Learning
    FT-PINN：通过非线性变形流形联合优化实现物理信息神经网络中的特征追踪

    研究提出特征追踪型物理信息神经网络 FT-PINN，将解网络定义在固定参考域上，并与参数化非线性流形的微分同胚变形映射复合，通过最小化拉回守恒律残差联合训练变形与解网络参数。

Heat trend

Current heat 6·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.