arXiv 机器学习· Ange Tong·· 6 小时前AI 评分35
学习何时进行局部细化：面向受限预算神经算子 PDE 求解器的长程强化学习
Learning When to Refine: Long-Horizon Reinforcement Learning for Budgeted Neural-Operator PDE Solvers
AI 导读
研究针对神经算子 PDE 求解器的预算分配问题，提出通过实际推演评估长程优势的推演验证策略改进（RV-PI）方法。在 32 次干预预算的浅水方程基准测试中，RV-PI 取得 0.6910 的平均轨迹相对 L2 误差；在 76 次预算的 Brusselator 基准测试中误差达 0.09954，均显著优于仅看即时误差和随机策略。
来源：arXiv 机器学习 · arxiv.org