Lightweight Geometric Adaptation for Training Physics-Informed Neural Networks

Las Redes Neuronales Informadas por la Física (PINNs) a menudo presentan convergencia lenta e inestabilidad debido a la geometría compleja de sus paisajes de pérdida. Se propone un marco de optimización ligero y consciente de la curvatura que mejora los optimizadores de primer orden para acelerar la convergencia, estabilizar el entrenamiento y aumentar la precisión en ecuaciones diferenciales parciales (PDEs).