잠재 공간 동역학 식별 알고리즘은 고차원 편미분 방정식 데이터를 저차원 상태 공간으로 압축하고, 이 공간에서 동역학을 학습하여 빠른 예측을 가능하게 한다.
본 논문은 반선형 편미분 방정식의 해를 효율적으로 예측하고 노이즈가 있는 측정치를 활용하여 해를 보정하는 재귀적 신경 연산자 프레임워크를 제안한다. 이를 통해 장기 예측과 데이터 동화를 동시에 수행할 수 있다.
본 논문은 슈뢰딩거화 기법을 활용하여 일반적인 선형 편미분 방정식을 슈뢰딩거 방정식으로 변환하고, 이를 해결하기 위한 양자 회로 구현 방법을 제시한다. 열방정식과 이류방정식의 예를 통해 제안된 접근법의 효과성을 입증하며, 고차원 문제에서의 양자 이점을 복잡도 분석을 통해 보여준다.