通过时间与空间的反向传播：利用多智能体强化学习学习数值方法

基于摘要分析。本文研究如何利用同质多智能体强化学习（MARL）学习双曲守恒律的数值方法，提出 Backpropagation Through Time and Space（BPTTS），用于训练时空递归神经网络。主要研究对象是偏微分方程（PDE）的数值求解，而非神经信号建模。 方法将 PDE 数值格式的学习表述为部分可观测马尔可夫博弈（POMG），让智能体在计算空间的各离散位置依据局部状态采取行动。为学习高阶空间数值方法，智能体需要捕捉局部动作对未来状态演化的影响；BPTTS 允许梯度同时沿空间和时间传播，以处理作者所述的非平稳性问题。摘要未说明局部观测、动作、奖励、损失及梯度计算的具体形式。 作者报告，在 Burgers' Equation 与 Euler Equations 两类数值求解设置中，学习得到的数值策略可与最先进数值方法相媲美，并能泛化至其他仿真设置。摘要未提供具体误差指标、对照格式、训练与测试设置或泛化范围，因此无法判断优势大小及适用边界；实验协议、消融及统计信息尚未验证。 该方法依赖计算网格上的局部交互与 PDE 状态演化。摘要没有给出 EEG 观测与这些状态、动作或数值策略之间的具体对应关系，暂不据此提出 BCI 迁移方案；已有 EEG 相关工作尚未检索确认。复现前需核对全文中的方程离散化、边界与初始条件、训练目标、计算成本及稳定性评估。