Wann profitieren Physics-Informed Neural Networks von Frequenzzerlegung? Eine vorläufige Ablationsstudie

arXiv:2608.24940v1 Ankündigungstyp: neu Abstract: Partielle Differentialgleichungen (PDEs) weisen oft hochfrequente und multiskalige Merkmale auf, die Neural Networks schwer approximieren können. Physics-Informed Neural Networks (PINNs) integrieren die Leitgleichungen direkt in das Training, leiden aber unter spektral