PulseAugur
中
实时 15:38:30
English(EN) Variational Grey-Box Dynamics Matching

新的灰盒方法将物理模型集成到生成式AI中

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的灰盒方法，将不完整的物理模型集成到生成式AI模型中，特别是流匹配和扩散模型。该方法从观测数据中学习动力学，而无需地面真实物理参数，从而避免了神经ODE相关的可扩展性和稳定性问题。该方法使用两个潜在编码来模拟缺失的随机性和物理参数，并在实验中（包括天气预报）证明其性能与全数据驱动方法相当或更优，同时保持了可解释性。 AI

影响 这项研究通过整合不完整的物理知识，为提高生成模型在科学领域的解释性和性能提供了一种方法。

排序理由 这是一篇详细介绍将物理模型集成到生成式AI中的新方法的学术论文。

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 →

新的灰盒方法将物理模型集成到生成式AI中

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Gurjeet Sangra Singh, Frantzeska Lavda, Giangiacomo Mercatali, Alexandros Kalousis ·

    变分灰盒动力学匹配

    arXiv:2602.17477v3 Announce Type: replace Abstract: Deep generative models such as flow matching and diffusion models have shown great potential in learning complex distributions and dynamical systems, but often act as black-boxes, neglecting underlying physics. In contrast, phys…

相关实体

相关话题