$\alpha$-SGHN：用于晶格系统中粒子相互作用学习的鲁棒模型
动力系统
2024-07-17 v1
摘要
我们提出了一个 -可分离图 Hamilton 网络 (-SGHN)，用于揭示晶格系统中粒子之间的复杂相互作用模式。利用轨迹数据，-SGHN 在没有关于粒子耦合先验知识的情况下推断潜在相互作用，克服了传统图神经网络需要预定义链接的局限性。此外，-SGHN 在轨迹预测期间保留所有守恒律。实验结果表明，我们的模型在预测晶格系统时，凭借所包含的结构信息，优于基于常规神经网络的基准模型。我们预计所呈现的结果将适用于除本文研究的特定现场和跨现场相互作用晶格之外的其他情形，包括 Frenkel-Kontorova 模型、旋转晶格以及 Toda 晶格。
关键词
引用
@article{arxiv.2407.11684,
title = {$\alpha$-SGHN: A Robust Model for Learning Particle Interactions in Lattice Systems},
author = {Yixian Gao and Ru Geng and Panayotis Kevrekidis and Hong-Kun Zhang and Jian Zu},
journal= {arXiv preprint arXiv:2407.11684},
year = {2024}
}
备注
17pages