L'IA face aux grands problèmes du monde · Mathématiques · arXiv · 2026-10-21
$H^2(\Omega)$ Bornes d'erreur a priori pour des PINNs adaptées au bord résolvant des problèmes de Dirichlet elliptiques
Titre original: $H^2(\Omega)$ A Priori Error Bounds for Boundary-Adapted PINNs Solving Elliptic Dirichlet Problems
L'étude aborde la résolution numérique de problèmes de valeurs au bord de Dirichlet uniformément elliptiques en minimisant le résidu de l'EDP sur des réseaux de neurones conçus pour satisfaire exactement les conditions aux limites par multiplication par une approximation ρ de la distance à la frontière, définie par l'utilisateur. Les auteurs identifient une condition suffisante optimale sur ρ préservant la régularité nécessaire au contrôle de l'erreur dans H²(Ω), proposent des constructions pratiques pour des domaines lisses généraux et dérivent des vitesses de convergence explicites dans H²(Ω) avec haute probabilité pour des réseaux ReQU et tanh adaptés au bord. Les expériences numériques étayent la théorie, montrant que des choix appropriés de ρ améliorent la précision et la convergence, tandis que des fonctions de distance mal choisies dégradent considérablement la solution.