研究人员开发了一种新颖的物理信息神经网络（PINNs）应用，用于发现复杂引力三体问题中的周期轨道。该方法即使在稀疏、嘈杂的观测数据下也能识别这些轨道，并且不需要初始条件，这与传统方法有显著区别。研究发现，PINNs 成功恢复了周期轨道，包括训练数据中不存在的轨道族，并且有相当比例的运行收敛到新解。研究还表明，训练数据的来源显著影响了所发现轨道的族，暗示了发现过程中存在数据驱动的方面。 AI
影响 这项研究展示了人工智能在复杂物理系统中科学发现方面的新颖应用。
排序理由 详细介绍新研究方法和发现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
