English(EN) Hamiltonian Graph Inference Networks: Joint structure discovery and dynamics prediction for lattice Hamiltonian systems from trajectory data

Hamiltonian Graph Inference Networks 联合发现结构和动力学

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-28 04:00

研究人员开发了 Hamiltonian Graph Inference Network (HGIN)，这是一种从轨迹数据中同时发现格哈密顿系统的相互作用结构和预测其动力学的新方法。HGIN 通过处理可分离和不可分离的哈密顿量以及异构节点动力学，克服了先前基于图的方法的局限性。该系统将一个结构学习模块与一个轨迹预测模块耦合，在基准系统上实现了预测误差的显著降低。 AI

影响引入了一种学习复杂物理系统动力学和结构的新方法，有望改进科学建模。

排序理由这是一篇介绍一种学习物理系统动力学和结构新方法的学术论文。

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) · Ru Geng, Panayotis Kevrekidis, Yixian Gao, Hong-Kun Zhang, Jian Zu · 2026-04-28 04:00

Hamiltonian Graph Inference Networks: Joint structure discovery and dynamics prediction for lattice Hamiltonian systems from trajectory data

arXiv:2604.23606v1 Announce Type: new Abstract: Lattice Hamiltonian systems underpin models across condensed matter, nonlinear optics, and biophysics, yet learning their dynamics from data is obstructed by two unknowns: the interaction topology and whether node dynamics are homog…

报道来源 [1]

Hamiltonian Graph Inference Networks: Joint structure discovery and dynamics prediction for lattice Hamiltonian systems from trajectory data

相关实体

相关话题