arctic sea ice

新框架定义了动力学系统数据驱动学习的极限

研究人员开发了一个使用对抗性动力学系统的新框架，以确定数据驱动学习方法能够可靠推断系统动力学条件的条件。该方法应用于Koopman算子学习，为可访问学习机制中的收敛和认证提供了理论保证。相反，它证明了在不可访问机制中学习的不可能性结果，精确地表征了数据驱动谱学习的成功与失败的边界。该框架已在各种系统上成功验证，包括混沌流体流动和北极海冰浓度预测，其性能优于现有模型，并提供了具有地理误差边界的远程预测。