Leichte geometrische Anpassung für das Training von Physics-Informed Neural Networks

arXiv:2604.15392v1 Ankündigungstyp: neu Abstract: Physics-Informed Neural Networks (PINNs) leiden oft unter langsamer Konvergenz, Trainingsinstabilität und reduzierter Genauigkeit bei schwierigen partiellen Differentialgleichungen aufgrund der anisotropen und schnell variierenden Geometrie ihrer Verlustlandschaften. Wir schlagen vor…