KI und die schwierigen Probleme der Welt · Mathematik · arXiv · 2026-10-21
$H^2(\Omega)$-A-priori-Fehlerschranken für randadaptierte PINNs zur Lösung elliptischer Dirichlet-Probleme
Originaltitel: $H^2(\Omega)$ A Priori Error Bounds for Boundary-Adapted PINNs Solving Elliptic Dirichlet Problems
Die Studie widmet sich der numerischen Lösung uniform elliptischer Dirichlet-Randwertprobleme durch Minimierung des PDE-Residuums über neuronale Netze, die Randbedingungen durch Multiplikation mit einer nutzerdefinierten Approximation ρ des Abstands zum Rand exakt erfüllen. Die Autoren identifizieren eine scharfe hinreichende Bedingung an ρ, die die für die H²(Ω)-Fehlerkontrolle benötigte Regularität bewahrt, geben praktische Konstruktionen für allgemeine glatte Gebiete an und leiten explizite H²(Ω)-Konvergenzraten mit hoher Wahrscheinlichkeit für randangepasste ReQU- und tanh-Netze her. Numerische Experimente stützen die Theorie und zeigen, dass geeignete Wahlen von ρ Genauigkeit und Konvergenz verbessern, während schlecht gewählte Abstandsfunktionen die Lösung erheblich verschlechtern.