使用学习机复制动力学

在不恢复黑箱系统运动方程的情况下，能否一般性地构造一个动力系统来模拟该黑箱系统？在此我们表明，这一目标可以通过学习机来实现。通过由黑箱系统的一组输入-输出响应或一段时间序列片段进行训练，学习机可以作为一个复制系统来模拟各种黑箱系统的动力学。它不仅能在生成训练数据的参数集上表现得像黑箱系统，还能重现黑箱系统的演化历史。因此，学习机提供了一种有效的预测方法，并使人们能够探测黑箱系统的全局动力学。这些发现对于无法准确获取运动方程的实际系统具有重要意义。文中给出了复制人工神经网络、Lorenz 系统和变星的动力学示例。我们的理念为复制活体大脑开辟了一条可能的途径。