研究人员开发了一种新颖的方法来创建既稳定又反事实鲁棒的物理世界模型。通过强制施加通用的物理结构并从数据中学习特定于系统的物理学，这些模型可以准确地预测系统演化。强制施加的结构包括源自学习到的能量梯度的动力学、一个固定的可逆算子以及一个用于能量移除的单向端口。该框架允许模型学习能量泛函、本构关系、耗散率和耦合，在电磁腔、粒子网格和浅水流体等各种物理系统中展现出准确性和鲁棒性的显著提高。 AI
影响 这项研究可能带来更准确、更可靠的用于模拟和与物理世界交互的人工智能系统。
排序理由 该集群包含一篇研究论文，详细介绍了物理世界模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- cs.LG
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Influence Flower
- ScienceCast
- Stable and Counterfactually Robust Physical World Models from Imposed Structure and Learned Physics
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
