Ein Derivat-Genauigkeits-Fehlermodus in physik-informierten neuronalen Netzen: Verstärkte Benchmark-Evidenz aus Function-Value-Training

arXiv:2609.13171v1 Ankündigungstyp: neu Zusammenfassung: Physics-informed neural networks (PINNs) nutzen automatische Differentiation zur Durchsetzung von Differentialgleichungs-Residuen, aber gute Übereinstimmung bei Funktionswerten bedeutet nicht zwingend genaue Ableitungen. Dieses Paper formuliert Derivat-Genauigkeit als Fehler…