基于神经网络预测行星轨道探索经典力学基本定律
地球与行星天体物理
2022-09-08 v3 经典物理
摘要
神经网络为解决各类科学问题提供了有力途径。其中许多问题即便对于擅长从实验数据获取物理规律的专家而言也颇为困难。我们探究神经网络能否协助我们从行星运动数据中探索经典力学基本定律。首先，我们使用常见神经网络之一的门控循环单元预测地心系中行星轨道。我们发现当训练集中包含太阳信息时预测精度明显提升。该结果暗示在无任何先验知识的地心系中太阳尤为关键，这启发我们得到哥白尼的日心说。其次，我们转向日心系并成功实现行星位置与速度间的相互预测。我们认为该成功预测源于系统中存在足够多的守恒量（如机械能和角动量守恒）。我们的研究提供了一种基于神经网络探索力学系统中守恒量存在性的新途径。
引用
@article{arxiv.2112.01129,
title = {Exploring fundamental laws of classical mechanics via predicting the orbits of planets based on neural networks},
author = {Jian Zhang and Yiming Liu and Z. C. Tu},
journal= {arXiv preprint arXiv:2112.01129},
year = {2022}
}