La IA y los problemas difíciles del mundo · Matemáticas · arXiv · 2026-10-20
Métodos residuales estocásticos profundos para ecuaciones parabólicas completamente no lineales
Título original: Deep Stochastic Residual Methods for Fully Nonlinear Parabolic Equations
Los autores desarrollan y analizan métodos de residuo estocástico neuronal para problemas terminales parabólicos completamente no lineales bajo muestreo de difusión exacto. Un residuo estocástico cuadrático permite el entrenamiento global y la regresión hacia atrás con redes escalares y pérdidas que solo involucran derivadas espaciales, y tanto la norma del residuo como los errores de valor, gradiente y hessiano están acotados en función de las pérdidas y el paso temporal. En pruebas de regresión hacia atrás en diez dimensiones, los errores hessianos relativos medios fueron de 5–6% con el residuo cuadrático frente a unos 15% con el residuo de primer orden, y la regresión hacia atrás ajustada logró una precisión hessiana comparable a la de redes neuronales informadas por la física.