PulseAugur
中
实时 05:45:55
English(EN) Dynamical and Optimization Trade-offs of Levi--Civita Coordinates for Learned Close-Encounter Dynamics

Levi-Civita坐标在AI动力学研究中改善动力学，但恶化优化

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员探索了在学习到的Hamiltonian动力学中使用Levi-Civita坐标，并将其与扰动Kepler系统中的笛卡尔坐标形式进行了比较。Levi-Civita坐标在稳定性和准确性方面表现出优越性，尤其是在高偏心率下，但它们在原始基优化条件方面带来了挑战。研究发现，精确特征控制和正交化可以恢复L-BFGS的基线拟合，但即使在规范对称化后，小型MLP在滚动误差方面仍然存在困难，这表明这些动力学的精确神经残差学习仍然是一个开放性问题。 AI

影响 这项研究探索了Hamiltonian动力学的高级坐标系统，有可能提高复杂物理模拟中学习模型的准确性和稳定性。

排序理由 该集群包含一篇详细介绍计算物理学研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

Levi-Civita坐标在AI动力学研究中改善动力学，但恶化优化

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Abhishek Shankar ·

    Levi--Civita坐标在学习到的近距离动力学中的动力学与优化权衡

    arXiv:2607.20235v1 Announce Type: cross Abstract: Classical regularization removes the binary-collision singularity from the Kepler problem, but its value as a representation for learned Hamiltonian dynamics has not been systematically isolated. We compare Cartesian and planar Le…

相关话题