PaPi：用于快速神经谱架构的并行 Picard-Duhamel 积分
PaPi: Parallel Picard-Duhamel Integration for Fast Neuro-Spectral Architectures
精选理由
提出PaPi并行积分方法，加速神经谱架构训练与推理，兼顾误差可控和预测精度。
AI 摘要
arXiv:2610.28591v1 公告类型：新增 摘要：神经谱架构（NeuSA）是一类物理信息神经网络（PINNs），已被证明能够有效地在频域中求解时变偏微分方程。然而，训练和推理通常依赖对学习到的向量场进行高成本的数值积分，通常采用串行 Runge-Kutta 时间步进，这限制了时间并行性。我们提出 PaPi，这是一种受弱非线性流启发的积分方案，通过指数积分和 Duhamel-Picard 方案实现时间并行推理。我们证明，Duhamel-Picard 迭代对所有流均呈指数收敛，并给出了取决于流接近线性程度的显式误差界。实验表明，PaPi 可将训练和推理速度提升最多两个数量级；对于低维偏微分方程学习问题，训练时间可缩短至一秒以内，同时保持具有竞争力的预测精度。