arXiv · cs.AI· Haina Jiang, Liam Wang, Peng-Chen Chen, Min Seop Kwak, Seungryong Kim, Brian Bell, Jeong Joon Park·· 11 小时前
Error-Conditioned Neural Solvers：用 PDE 残差驱动神经求解器迭代修正
Error-Conditioned Neural Solvers
arXiv:2606.27354v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Haina Jiang, Liam Wang, Peng-Chen Chen, Min Seop Kwak, Seungryong Kim, Brian Bell, Jeong Joon Park
研究任务与主要进展
作者提出 Error-Conditioned Neural Solvers（ENS），将 PDE 残差场作为每次迭代的直接输入，让网络学习基于误差空间结构修正预测。基于论文摘要，ENS 在四类 PDE 的大多数设置中取得最高预测准确率，湍流 Kolmogorov 流中的增益最高达到 10 倍，并支持参数零样本变化和跨方程迁移。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org