早就想了解PDE相关的方法啦，来凎！
我的早年想法
其实很早我就有过这种想法，从一堆奇怪的数字序列中自动得到背后的数学规律，这个规律就是PDE啦。
ps：记得当时是看蚂蚁活动突然有这样的想法？？？
但是当时对神经网络了解不深，不知道怎么去模拟PDE中的算子。n年后开始磕盐才发现已经有不少这样的研究了，今天就来正式看一看！
PDE-Net
元学习器，即meta learner，在我理解是机器学习从传统的训练-验证-测试向元学习训练-元数据-泛化转变的一种产物。
以MAML为例，它的核心在于能够找到一个通用的初始参数，能用于一系列存在联系的任务上，使得相关联的新任务使用该初始参数后就能快速收敛，达到较优的性能。但是我对此有
翻译
摘要
大背景是PDE应用广泛$\checkmark$，但是现代应用场景下的复杂系统遵循什么样的PDE规律我们并不清楚。我们清楚的是可以收集到很多场景下的数据，因此以数据驱动方式，设计前馈神经网络PDE-Net，能同时预测复杂系统行为，并揭示潜在的PDE模型。
其设计方式是用卷积核拟合微分算子，其实就是离散地逼近非线性可微算子。逼近的时候，会通过微分算子的阶和卷积核加和规则的阶去合理地限制卷积核。
PDE-Net的优点：
预测系统行为的时间长，即便数据有noise
对卷积核的限制合理，既保持逼近的微分算子性质又保持相当的向后预测能力；很灵活，即又逼近潜在PDE，又能预测。
引言
复杂系统的PDE不知道啊，只能通过数据瞎jb学了。
列举的前人工作最早09年，多集中在16，17年。
启发之一，ResNet与PDE有关。
The main objective那一段的思想很棒！
我tm看不懂了