यह शोधपत्र आंशिक अवकल समीकरण (PDE) मॉडलिंग के लिए एक प्रभावी डेटा संवर्द्धन रणनीति प्रस्तावित करता है। तंत्रिका नेटवर्क का उपयोग करने वाले तंत्रिका PDE, पारंपरिक संख्यात्मक PDE सॉल्वरों के स्थान पर उपयोग किए जाते हैं। हालाँकि, पारंपरिक विधियों में PDE सॉल्वर के दीर्घकालिक एकीकरण द्वारा प्राप्त समाधान प्रक्षेप पथों का उपयोग करके तंत्रिका PDE को प्रशिक्षित करने के लिए बड़ी मात्रा में डेटा की आवश्यकता होती है। इस शोधपत्र में, हम एक नमूना-कुशल डेटा संवर्द्धन रणनीति प्रस्तुत करते हैं जो स्थानीय "स्टेंसिल" अवस्थाओं के स्पेस-फिलिंग सैंपलिंग द्वारा कंप्यूटर मॉडल से तंत्रिका PDE प्रशिक्षण डेटा उत्पन्न करती है। यह विधि प्रक्षेप पथ डेटा में मौजूद अधिकांश स्थानिक-कालिक अतिरेक को हटा देती है और उन अवस्थाओं का ओवरसैंपल लेती है जो शायद ही कभी देखी जाती हैं लेकिन तंत्रिका PDE को अवस्था स्थान में सामान्यीकृत करने में मदद करती हैं। सिंथेटिक डेटा का उपयोग करने वाले प्रयोग प्रस्तावित विधि की प्रभावशीलता को प्रदर्शित करते हैं, और पारंपरिक विधियों की तुलना में बेहतर प्रदर्शन प्रदर्शित करते हैं।
