IA e os Problemas Difíceis do Mundo · Matemática · arXiv · 2026-10-21
$H^2(\Omega)$ Limites de erro a priori para PINNs adaptadas ao contorno que resolvem problemas elípticos de Dirichlet
Título original: $H^2(\Omega)$ A Priori Error Bounds for Boundary-Adapted PINNs Solving Elliptic Dirichlet Problems
O estudo aborda a solução numérica de problemas de valor de contorno de Dirichlet uniformemente elípticos minimizando o resíduo da EDP sobre redes neurais feitas para satisfazer exatamente as condições de contorno por meio da multiplicação por uma aproximação ρ da distância à fronteira definida pelo usuário. Os autores identificam uma condição suficiente afiada sobre ρ que preserva a regularidade necessária para o controle do erro em H²(Ω), apresentam construções práticas para domínios suaves gerais e derivam taxas de convergência explícitas em H²(Ω) com alta probabilidade para redes ReQU e tanh adaptadas à fronteira. Experimentos numéricos sustentam a teoria, mostrando que escolhas apropriadas de ρ melhoram a precisão e a convergência, enquanto funções de distância mal escolhidas degradam substancialmente a solução.