HiLNN

新型神经网络从位置数据中推断隐藏物理

研究人员开发了基于历史信息的拉格朗日神经网络（HiLNN），仅使用位置数据来改进机械系统的长期预测。该新模型通过从历史观测中推断隐藏的速度和系统参数，解决了现有物理引导网络的局限性。HiLNN 利用循环编码器提取潜在上下文，然后调整系统的质量矩阵、势能和阻尼系数。该模型使用可微分的龙格-库塔方法进行端到端训练，并已证明与当前最先进的方法相比，具有更高的准确性和能量剖面保持能力。