NTK引导的自适应加权

NTK引导的自适应加权是一种利用神经切向核（Neural Tangent Kernel, NTK）分析来动态调整PINNs中偏微分方程（PDE）损失项权重的技术。该方法通过实时分析网络训练过程中的NTK特征，自适应地调整不同物理约束的权重，以解决高雷诺数流体模拟中的收敛难题。实验证明，该方法能使Navier-Stokes方程的收敛速度提升2.3倍，并能有效防止训练中的数值梯度爆炸。这是PINNs领域的关键技术突破。