Operatore Neurale Ispirato allo Spettro per l'Apprendimento di PDE con Dati Limitati

I ricercatori propongono l'Operatore Neurale Ispirato allo Spettro (SINO), un modello di apprendimento automatico in grado di apprendere le dinamiche delle equazioni differenziali alle derivate parziali (PDE) a partire da sole 2-5 traiettorie, senza richiedere una conoscenza esplicita della fisica sottostante. SINO cattura automaticamente le derivate spaziali locali e globali dagli indici di frequenza, consentendo una rappresentazione compatta degli operatori differenziali. Utilizza un Pi-blocco per operazioni moltiplicative sulle caratteristiche spettrali e un filtro passa-basso per sopprimere l'aliasing. Esperimenti su benchmark PDE 2D e 3D mostrano prestazioni all'avanguardia con miglioramenti di 1-2 ordini di grandezza rispetto ai metodi esistenti. L'approccio affronta la sfida di modellare sistemi complessi con dati limitati e fisica sconosciuta.