When and why PINNs fail to train: A neural tangent kernel perspective

•We analyze the training dynamics of PINNs using neural tangent kernel theory.•We derive the NTK of PINNs and study its limiting behavior.•Our analysis reveals a remarkable discrepancy in the convergence rate of PINNs loss functions.•We propose a novel NTK-guided gradient descent algorithm to effect...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Journal of computational physics Ročník 449; s. 110768
Hlavní autoři:	Wang, Sifan, Yu, Xinling, Perdikaris, Paris
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Cambridge Elsevier Inc 15.01.2022 Elsevier Science Ltd
Témata:	Algorithms Computational physics Convergence Eigenvalues Empirical equations Gradient descent Inverse problems Kernels Lenses Multi-task learning Neural networks Partial differential equations Physics-informed neural networks Scientific machine learning Spectral bias Training Spectral bias Gradient descent Scientific machine learning Multi-task learning Physics-informed neural networks
ISSN:	0021-9991, 1090-2716
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!