AI এবং বিশ্বের কঠিন সমস্যাগুলো · গণিত · arXiv · 2026-10-20
লো-র্যাঙ্ক ট্রান্সপোর্ট সিগনেচারের মাধ্যমে কাঠামো-সংরক্ষণাকারী রিডিউসড-অর্ডার মডেলিং
মূল শিরোনাম: Structure-Preserving Reduced-Order Modeling via Low-Rank Transport Signatures
ঘনত্ব-মানের সমাধানবিশিষ্ট প্যারামিটারায়িত PDE ধ্রুপদী রৈখিক রিডিউসড-অর্ডার মডেল দিয়ে আসন্ন করা কঠিন, বিশেষ করে পরিবহন-প্রধান রেজিমে। লেখকেরা একটি অপটিমাল ট্রান্সপোর্ট-ভিত্তিক রিডিউসড-অর্ডার পদ্ধতি প্রস্তাব করেছেন, যা প্রতিটি ঘনত্বকে একটি নির্দিষ্ট রেফারেন্স ঘনত্বকে লক্ষ্যে নিয়ে যাওয়া কান্তোরোভিচ পোটেনশিয়াল দিয়ে উপস্থাপন করে, এই পোটেনশিয়ালগুলোকে ট্রান্সপোর্ট সিগনেচার হিসেবে একটি হিলবার্ট স্পেসে এমবেড করে, এবং একটি লো-র্যাঙ্ক স্কেলিটন ডিকম্পোজিশনের ওপর প্যারামিটার-থেকে-সহগ ম্যাপ শেখাতে নিউরাল নেটওয়ার্ক ব্যবহার করে। রেফারেন্স ঘনত্বকে পুশ-ফরওয়ার্ড করে পুনর্গঠন গঠনগতভাবেই ভর ও ধনাত্মকতা সংরক্ষণ করে, প্রমাণিত গড়-বর্গ ওয়াসারস্টাইন ত্রুটি সীমাসহ, এবং ঘনত্ব-মানের ধারাবাহিকতা সমীকরণ ও বার্গার্স সমীকরণে সিগনেচারগুলো মূল ঘনত্ব স্ন্যাপশটের চেয়ে উল্লেখযোগ্যভাবে কম র্যাঙ্কের কাঠামো দেয়।