非线性PDE的物理信息算子学习有了误差保证:一阶系统最小二乘残差在解分支附近与误差等价
物理信息算子学习直接用偏微分方程残差训练,省去解快照,但残差小是否意味着误差小,在非线性方程上此前没有保证。这项工作把状态写成通量加原变量的一阶系统,证明只要线性化残差稳定、残差导数Lipschitz连续,最小二乘残差就在解分支附近与方程规定范数下的误差等价,并在单调反应、依赖解或梯度的扩散、可压缩Neo-Hookean超弹性三类问题上核对了条件。用该损失训练的降基神经算子,其误差与损失超出量平方根的比值中位数落在与线性情形可比的范围内。