PulseAugur
中
实时 10:03:27
English(EN) Nonlinear GENERIC-Embedded Neural Networks (N-GENNs): Learning GENERIC dynamics with non-quadratic dissipation potentials

新的N-GENNs框架从数据中学习复杂的热力学动力学

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了非线性GENERIC嵌入神经网络 (N-GENNs)，这是一个新颖的深度学习框架，旨在揭示受非线性GENERIC形式主义支配的系统的演化方程。该方法通过结合通过凸耗散势的广义梯度流，有效地模拟了具有耦合保守和耗散动力学的系统。该框架通过构造确保严格遵守热力学定律，即使使用非二次耗散势也能识别热力学一致的动力学。N-GENNs已成功在包括带热浴的谐振子、化学马达和粘塑性模型在内的示例中得到验证，证明了它们能够从数据中准确推断复杂的热力学模型。 AI

影响 该框架可以实现对复杂物理系统更准确的建模，有可能加速依赖热力学的领域的科学发现。

排序理由 介绍新计算方法的学术论文。[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 →

新的N-GENNs框架从数据中学习复杂的热力学动力学

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Vojt\v{e}ch Votruba, Zequn He, Weilun Qiu, Celia Reina, Michal Pavelka ·

    非线性 GENERIC-嵌入神经网络 (N-GENNs)：利用 GENERIC 动力学和非二次耗散势进行学习

    arXiv:2605.09058v2 Announce Type: replace-cross Abstract: We introduce Nonlinear GENERIC-Embedded Neural Networks (N-GENNs), a deep learning framework for discovering evolution equations of systems governed by the nonlinear GENERIC formalism (General Equation for Non-Equilibrium …

相关话题