arXiv · cs.AI· Han Wan, Rui Zhang, Hao Sun·· 8 小时前
大语言模型如何赋能偏微分方程研究工作流
Large language models for partial differential equation workflows
arXiv:2608.03600v3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：Han Wan, Rui Zhang, Hao Sun
研究任务与主要进展
一篇arXiv综述系统梳理了LLM辅助偏微分方程（PDE）研究的三个阶段：方程发现、求解与优化，考察LLM如何结合物理知识、数值方法与计算反馈来完成建模、实现求解流程及指导设计与控制。文章还综述了评估科学有效性、计算性能与工作流可靠性的现有基准与评估实践，并指出三大挑战：面向具体PDE问题的数理推理、通过领域特定与多模态后训练构建可迁移的领域专长，以及将主动实验设计与科学验证结合以应对开放性问题。
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