Cet article présente Unisolver, un solveur d'EDP polyvalent basé sur un réseau neuronal, capable de résoudre un large éventail d'équations aux dérivées partielles (EDP). Les solveurs d'EDP existants basés sur un réseau neuronal sont limités à des EDP spécifiques ou à un nombre limité de coefficients, ce qui entraîne de faibles performances de généralisation. Unisolver exploite la structure mathématique des solutions d'EDP pour intégrer de manière flexible des composants d'EDP, tels que les symboles d'équations et les conditions aux limites, dans un modèle de transformateur sous forme de conditions spécifiques à un domaine et à un point. Entraîné sur des données diverses, Unisolver démontre des performances et des capacités de généralisation de pointe sur trois benchmarks à grande échelle. Le code source est disponible sur GitHub.
