AI اور دنیا کے مشکل مسائل · ریاضی · arXiv · 2026-10-20

لو رینک ٹرانسپورٹ سگنیچرز کے ذریعے ساخت محفوظ رکھنے والی ریڈیوسڈ آرڈر ماڈلنگ

اصل عنوان: Structure-Preserving Reduced-Order Modeling via Low-Rank Transport Signatures

کثافت-قدر حل والے پیرامیٹرائزڈ PDEs کو کلاسیکی لینیئر ریڈیوسڈ آرڈر ماڈلز کے ساتھ تخمینہ لگانا مشکل ہے، خاص طور پر ٹرانسپورٹ پر غالب حالات میں۔ مصنفین ایک آپٹیمل ٹرانسپورٹ پر مبنی ریڈیوسڈ آرڈر طریقہ تجویز کرتے ہیں جو ہر کثافت کو اس Kantorovich پوٹینشل کے ذریعے ظاہر کرتا ہے جو ایک مقررہ حوالہ کثافت کو ہدف تک پہنچاتی ہے، ان پوٹینشلز کو ٹرانسپورٹ سگنیچرز کے طور پر Hilbert فضا میں ضم کرتا ہے، اور لو رینک اسکیلیٹن ڈکمپوزیشن پر پیرامیٹر سے کوئفیشنٹ تک کے میپ کو سیکھنے کے لیے ایک نیورل نیٹ ورک استعمال کرتا ہے۔ حوالہ کثافت کو آگے پش کر کے دوبارہ تعمیر، تعمیر کے اعتبار سے ماس اور مثبتیت کو از خود محفوظ رکھتی ہے، اور ثابت شدہ مین اسکوائرڈ Wasserstein ایرر باؤنڈ کے ساتھ، کثافت-قدر تسلسل مساوات اور Burgers مساوات پر یہ سگنیچرز اصل کثافت اسنیپ شاٹس کے مقابلے میں کافی کم رینک والی ساخت فراہم کرتے ہیں۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →