拓扑优化-NN训练-数量金融

       反演问题是指由结果及某些一般原理（或模型）出发去确定表征问题特征的参数（或模型参数）。

流动和换热拓扑优化的要点是如何在非线性求解空间内通过不同的计算方法来平滑多维度阶跃，获得收敛解

神经网络训练也是在高维度Lipchitz连续空间，近似获得全局极小值，其中要跨越不同维度的尺度。

数量金融的核心问题是如何从金融时间序列中找出来背后的过程；背后复杂过程的唯一信号用来猜测其过程。

以上都是逆向问题。

首先模型需要能够有效构建数据与目标之间的关系，然后数据结构防止无法吸纳梯度而中途爆掉是逆向问题两大难点；当然算力是最终局限。