研究人员开发了一个新的框架，用于创建数据驱动的湍流动力学系统的降阶模型。该框架利用神经网络来确保物理约束，特别是能量守恒，从而实现模型的稳定性。模型通过涨落耗散定理进行验证，使其能够仅根据未扰动数据预测对外部扰动的响应。该方法成功应用于理想化的地球物理湍流模型以及厄尔尼诺-南方涛动（ENSO）的复杂动力学，证明了其探测现实系统中因果机制的能力。 AI
影响 为能够探测现实、部分观测到的湍流系统中因果机制的稳定降阶模型建立了一个模块化框架。
排序理由 这是一篇详细介绍新AI模型构建方法的学术论文。[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 →
