AIが解く世界の難問 · 物理学 · arXiv · 2026-10-21
反復型ニューラルPDEソルバーのためのボルン前条件付け学習
原題: Born-Preconditioned Learning for Iterative Neural PDE Solvers
空間的に不均一な媒質中の高周波数波動のシミュレーションは、古典的反復法とニューラルPDEソルバーの双方にとって依然として難しい問題である。提案するNeural Preconditioned Born Series(NPBS)は、単純な参照前条件付けを助けとしてより効果的なニューラル前条件付けを学習する反復型ニューラルPDEソルバー学習の枠組みで、Convergent Born Seriesに基づき前条件付け付き残差をネットワークに入力して解の更新を予測し、各更新後の前条件付け付き残差を減らすよう、入力と損失に同じ参照前条件付けを用いる指標整合の訓練目的で訓練する。不均一ヘルムホルツ問題で各ニューラルアーキテクチャにおいて反復回数を削減し波数が高いほど利得が大きく、Krylovソルバー内での比較では最小の実時間を達成したほか、三次元問題にも自然に拡張され、移流拡散反応系や非線形PDEのニュートン線形系でも収束を改善し、ニューラル前条件付け学習の一般的枠組みであることを示した。