新的神经网络训练方法改进了长期物理模拟

研究人员开发了用于学习非正则哈密顿动力学的新神经网络训练策略，这是物理学中长期模拟的关键方面。所提出的方法解决了将基于势的架构与退化变分积分器相结合时出现的数值不稳定性问题。实验证明了这些策略在学习复杂物理动力学（如在陀螺动力学等离子体物理学中发现的）方面的有效性。 AI

影响 提高了使用神经网络的物理模拟的准确性和稳定性，有可能带来更复杂的科学发现。

排序理由 这是一篇详细介绍神经网络在物理模拟方面新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• Bibliographic Explorer
• CatalyzeX Code Finder for Papers
• Connected Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Léopold Trémant
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →