MPINeuralODE

新的MPINeuralODE方法改进了动力学系统学习

研究人员开发了MPINeuralODE，一种使用神经网络常微分方程学习动力学系统的新方法。该方法通过整合物理信息残差和在多个初始条件上进行训练的课程，解决了对未见初始条件和长时域泛化能力差的常见问题。与基线Neural ODEs相比，MPINeuralODE在模拟Lotka-Volterra等系统时表现出更高的准确性和稳定性，同时还显示出汉密尔顿漂移的减少。