标签
本文指出了学习型物理模拟器中的两个不同失败点——长序列中的不稳定性以及无法适应变化的物理定律——并提出了相应的结构解决方案：使用辛积分来提高稳定性，使用显式分解来实现反事实泛化。
本文介绍了一种可分离神经网络架构（SNA），这是一种结合神经逼近与张量分解的函数类，用于高效求解参数化偏微分方程。该方法在工程应用中（如激光粉末床熔融和材料性能预测）相比传统基于网格的方法实现了显著加速（高达150,000倍）。