当前位置:
X-MOL 学术
›
Phys. Rev. Lett.
›
论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
Machine Learning Conservation Laws from Trajectories
Physical Review Letters ( IF 8.6 ) Pub Date : 2021-05-06 , DOI: 10.1103/physrevlett.126.180604 Ziming Liu , Max Tegmark
Physical Review Letters ( IF 8.6 ) Pub Date : 2021-05-06 , DOI: 10.1103/physrevlett.126.180604 Ziming Liu , Max Tegmark
We present AI Poincaré, a machine learning algorithm for autodiscovering conserved quantities using trajectory data from unknown dynamical systems. We test it on five Hamiltonian systems, including the gravitational three-body problem, and find that it discovers not only all exactly conserved quantities, but also periodic orbits, phase transitions, and breakdown timescales for approximate conservation laws.
中文翻译:
轨迹的机器学习守恒定律
我们介绍了AIPoincaré,这是一种机器学习算法,可使用来自未知动力系统的轨迹数据自动发现守恒量。我们在五个哈密顿系统上对其进行了测试,包括重力三体问题,发现它不仅发现了所有精确守恒的量,而且还发现了近似守恒律的周期轨道,相变和击穿时间尺度。
更新日期:2021-05-06
中文翻译:
轨迹的机器学习守恒定律
我们介绍了AIPoincaré,这是一种机器学习算法,可使用来自未知动力系统的轨迹数据自动发现守恒量。我们在五个哈密顿系统上对其进行了测试,包括重力三体问题,发现它不仅发现了所有精确守恒的量,而且还发现了近似守恒律的周期轨道,相变和击穿时间尺度。