Произведенные поля увеличивают объем рециркулируемой информации в суррогате, предусмотренном бюджетом неврологической деятельности

arXiv: 2603.29224v2 Annuales Type: заменить перекрестное резюме: для нейронных суррогатных уравнений частичной дифференциальности, зависящих от времени (PDE), хранение и бюджеты памяти требуют получения данных о подготовке путем каркаса и квантирования цифровых моделей с очень высоким разрешением. Таким образом, до того как она достигнет модели, может быть утрачена тонкая информация. Мы анализируем этот эффект в периодических некомпрессивных Navier-Stokes: квантизация равномерно распространяется погрешности на сохраненные режимы, так что лучшая сохраняемая полоса с наименьшей энергией является наиболее коррумпированной, а скорость и вортика искажаются поразному при одном и том же операторе. Основываясь на этом анализе, мы предлагаем оптимизацию дерив-поле (DerivOpt), которая выбирает какие примитивные и производные поля для перевозки из поставляемой библиотеки и сколько бит каждый получает за счет точного сведения к минимуму риска в закрытом формате под калиброванной моделью канала. Эта проблема оптимизации всегда имеет оптимальный характер и не требует знания правящей эква.