学习最概然转移路径与随机微分方程的数据驱动方法
数值分析
2022-07-13 v3 数值分析
动力系统
摘要
由于噪声涨落，亚稳态之间的转移现象在复杂系统中起着重要作用。本文提出物理信息神经网络 (PINNs) 以计算最概然转移路径。结果表明，期望损失由经验损失所界定，并获得了经验损失的收敛结果。随后，提出一种稀有事件的采样方法，通过马尔可夫桥过程模拟转移路径。我们分别研究了从最概然转移路径数据与马尔可夫桥过程数据中提取随机微分方程的逆问题。最后，给出若干数值实验以验证所提方法的有效性。
引用
@article{arxiv.2111.08944,
title = {Data-driven method to learn the most probable transition pathway and stochastic differential equations},
author = {Jianyu Hu and Dongfang Li and Jinqiao Duan and Xiaoli Chen},
journal= {arXiv preprint arXiv:2111.08944},
year = {2022}
}