演化算子的深度学习实现混沌系统训练外动力学预测
机器学习
2025-03-03 v1 动力系统
混沌动力学
摘要
我们证明了用于混沌系统的深度学习模拟器可以预测训练数据中不存在的现象。使用 Kuramoto-Sivashinsky 和 beta 平面湍流模型，我们通过探测这两个系统基本现象的场景来评估该模拟器：预测自发再层流化、捕获任意混沌状态的初始化、对训练范围外参数值动力学的零样本预测，以及从人工受限训练数据集中表征动力学统计特性。我们的结果表明，深度学习模拟器可以通过学习底层数学规则来揭示复杂系统中的涌现行为和罕见事件，而不仅仅是模仿观察到的模式。
引用
@article{arxiv.2502.20603,
title = {Deep Learning of the Evolution Operator Enables Forecasting of Out-of-Training Dynamics in Chaotic Systems},
author = {Ira J. S. Shokar and Peter H. Haynes and Rich R. Kerswell},
journal= {arXiv preprint arXiv:2502.20603},
year = {2025}
}