محققان در پژوهشی جدید، موفق به ارائه یک تئوری جامع و نوین برای «تقریب عملگرها» (Operator Approximation) در معماریهای انکودر-دیکودر شدهاند. این دستاورد علمی، محدودیتهای مدلهای فعلی را کنار زده و امکان تقریب دقیقتر عملگرها را در فضاهای پیچیده ریاضی فراهم میکند.
این تحقیق، با متحد کردن روشهای کلاسیکی مانند DeepONets و BasisONets، چارچوب قدرتمندتری برای یادگیری عملگرها (Operator Learning) ارائه میدهد که حتی در فضاهای متریک فراتر از فضاهای نرمدار نیز کاربرد دارد. پیشرفتی هیجانانگیز برای آینده مدلهای هوشمند مبتنی بر فیزیک!
منبع: arXiv Machine Learning