Новая нейросеть SNA решает PDE в 150 000 раз быстрее на обычном ноутбуке

Исследователи из международной группы представили новую нейросетевую архитектуру Separable Neural Architecture (SNA), предназначенную для решения дифференциальных уравнений в частных производных (PDE). Архитектура сочетает в себе нейронные сети с тензорным разложением, что позволяет разделить локальные и глобальные взаимодействия в модели.

Ключевая особенность SNA — компактный и гладкий индуктивный сдвиг, который хорошо подходит для задач вычислительной физики. В рамках вариационной формулировки VSNA архитектура удовлетворяет классическим теоретическим гарантиям: корректность, квазиоптимальность, сходимость и устойчивость, согласно теореме Лакса—Мильграма.

Особенно важным является то, что VSNA эффективно справляется с проклятием размерности: требуемая вычислительная сложность растёт линейно с размерностью задачи, а не экспоненциально. Это достигается за счёт полностью факторизованного тензорного оптимизационного метода переменных направлений (ALS).

Авторы провели валидацию на трёх классах систем: эллиптических, гиперболических и параболических. Результаты показали хорошее совпадение с теоретическими предсказаниями алгебраического и спектрального масштабирования.

В качестве демонстрации практического применения SNA была протестирована на двух инженерных задачах: семимерное параметрическое моделирование производственного процесса и экспериментальная инверсия тепловых свойств для суперсплава Inconel 718. В первом случае SNA выполнила 1 000 000 запросов Монте-Карло за 102 секунды на стандартном ноутбуке CPU, тогда как полносеточный эталон на базе метода конечных элементов на GPU NVIDIA A100 потребовал бы 150 000 раз больше времени. Во второй задаче SNA обеспечила реконструкцию в обратном режиме за время менее 100 миллисекунд.

Разработчики отмечают, что SNA может служить компактным математическим субстратом для непрерывных многообразий параметров, открывая путь к инверсии в реальном времени, оптимизационным циклам и быстрому распространению неопределённости. Архитектура позиционируется как универсальная модель физического мира, работающая по принципу «реши один раз — используй где угодно».