神经PDE求解器数值来源的傅里叶符号诊断
Get the story
2026年10月8日，arXiv Statistics Machine Learning 发表一手研究，提出一种经验傅里叶符号诊断方法：用单个傅里叶模式探测已训练替代模型的线性化单步算子，并与精确演化及训练格式参考对比。在线性对流实验中，学习到的替代模型复现了训练格式的振幅与相位误差，双格式差异达到解析预测的完全模仿上限的99.8%以上；该现象也出现在非局部傅里叶神经算子和非线性Burgers动力学中。研究据此表明，与求解器生成的测试数据一致本身并不能证明对精确演化的保真度。
Generated from reports · updated 3 hr ago
Timeline
Follow the coverage from different angles.
- arXiv · Statistics Machine Learning替代模型的符号：测量神经 PDE 求解器中的数值来源
研究提出一种经验傅里叶符号诊断方法，用单个傅里叶模式探测已训练替代模型的线性化单步算子，并与精确演化及训练格式参考对比。在线性对流中，学习到的替代模型复现了训练格式的振幅与相位误差，双格式差异达到解析预测的完全模仿上限的 99.8% 以上；该现象也出现在非局部傅里叶神经算子和非线性 Burgers 动力学中。结果表明，与求解器生成的测试数据一致本身并不能证明对精确演化的保真度。
Heat trend
Current heat 9·Comparable peak 10（Oct 8）·Comparable change over 24 hours –
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.