Marco Fanizza

AI模型利用新的几何和置换不变方法学习复杂的物理动力学

研究人员正在开发新颖的神经网络架构，以更好地模拟复杂的物理动力学。一种方法RO-HNN结合了哈密顿力学和模型降阶，以处理高维系统并强制执行守恒定律。另一种方法侧重于为无序的微观状态学习置换不变表示，从而能够准确预测粒子相互作用和聚合物拉伸等系统中的宏观动力学。此外，一项研究探讨了量子物理中高斯态的高效哈密顿学习，利用外差测量和局部反演技术以对数样本复杂度推断参数。