拉格朗日与哈密顿神经网络用于耗散系统
原文标题：Lagrangian and Hamiltonian Neural Networks With a Dissipative System
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
该论文研究拉格朗日神经网络与哈密顿神经网络在具有显式时间依赖性的耗散系统上的适用性，以带阻尼的一维谐振子为对象进行模拟实验。结果显示，两种方法均能预测阻尼振子的物理行为，并在不同程度上学习到潜在的拉格朗日量与哈密顿量。研究揭示了在无显式时间依赖系统中不易显现的力学性质。
- 问题
- 拉格朗日/哈密顿神经网络能否处理含显式时间依赖的耗散系统。
- 方法
- 以带阻尼与无阻尼的一维谐振子为对象，对比拉格朗日神经网络与哈密顿神经网络的模拟预测与潜在量学习。
- 结果
- 两种方法均能预测阻尼振子行为并不同程度学到潜在拉格朗日量与哈密顿量；未给出量化指标。
- 影响
- 拓展了物理信息神经网络在耗散、非保守系统中的适用边界，对科学计算与物理仿真建模有参考意义。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。