Deep Operator网络(DeepOnets)提供了一种功能强大的数据驱动工具,用于通过学习操作员(即无限维函数空间之间的地图)解决参数PDE。在这项工作中,我们在高维的贝叶斯逆问题的背景下采用了物理知识的deponets。传统的解决方案策略需要大量且不可行的远期模型求解以及参数衍生物的计算。为了启用有效的解决方案,我们通过采用RealnVP体系结构来扩展DepOnets,该体系结构在参数输入和分支网络输出之间产生可逆且可区分的映射。这使我们能够构建完整后部的准确近似值,无论观测数量和观察噪声的大小如何,都可以轻松适应。结果,不需要额外的远期解决方案,也不需要昂贵的采样程序。我们证明了基于抗衍生物,反应扩散和达西流动方程的反向问题的背景下,提出方法的功效和准确性。
translated by 谷歌翻译