Home › 
News › 
Paper zum Lösen parabolischer und elliptischer PDEs mittels Deep Learning

21. Februar 2022

Paper zum Lösen parabolischer und elliptischer PDEs mittels Deep Learning

Other

Kürzlich ist ein neues Paper mit dida-Beteiligung auf Arxiv erschienen. In diesem werden Machine-Learning-Methoden zum Lösen von hochdimensionalen parabolischen und elliptischen partiellen Differentialgleichungen (PDEs) untersucht. Insbesondere werden bestehende Algorithmen betrachtet, die auf Residualminimierungen ("physics informed neural networks") oder stochastischen Rückwärtsprozessen ("deep BSDE") basieren sowie eine neue Methode vorgeschlagen, die auf dem neuen „diffusion loss“ fußt. Diese neue Methode kann als eine Interpolation zwischen den beiden bestehenden Methoden interpretiert werden, wobei sie einige numerische Vorteile mit sich bringt. Diese Vorteile können zu effizienteren und genaueren PDE-Approximationen führen und werden daher wahrscheinlich vermehrt Anwendung bei dem Lösen von hochdimensionalen PDEs finden.

KI-News jedes Quartal

Erhalten Sie Nachrichten über Machine Learning und Neuigkeiten rund um dida.

Erfolgreich angemeldet.

Gültige Email-Adresse benötigt.

Email-Adresse bereits registriert.

Etwas ist schiefgelaufen. Bitte versuchen Sie es nochmal.

Mit dem Klick auf "Anmelden" erklären Sie sich mit unserer Datenschutzerklärung einverstanden.

dida Logo