English(EN) CoSynFlow: Conformal Symplectic Neural Flows for Cross-System Prediction of Dissipative Hamiltonian Dynamics

新型CoSynFlow模型可准确预测复杂物理动力学

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-04 04:00

研究人员推出CoSynFlow，这是一种新颖的共形辛神经网络流，旨在准确模拟耗散哈密顿动力学。该新方法明确保留了具有耗散的系统的关键特征——共形辛结构。通过对哈密顿描述符和耗散参数进行条件化，单个CoSynFlow模型无需重新训练即可预测各种未见系统的解映射，将结构误差保持在机器精度水平，并实现低远期误差。 AI

影响引入了一种新的科学机器学习方法，有望改进复杂物理系统的模拟。

排序理由详细介绍新型科学机器学习模型的学术论文。[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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Baige Xu, Takaharu Yaguchi · 2026-08-04 04:00

CoSynFlow: Conformal Symplectic Neural Flows for Cross-System Prediction of Dissipative Hamiltonian Dynamics

arXiv:2608.00571v1 Announce Type: new Abstract: Learning solution operators for differential equations is a central problem in scientific machine learning. However, many neural operator methods optimize prediction accuracy without explicitly enforcing the geometric structure of t…

报道来源 [1]

CoSynFlow: Conformal Symplectic Neural Flows for Cross-System Prediction of Dissipative Hamiltonian Dynamics

相关实体

相关话题