FlowNet：通过流传递建模动态时空系统
机器学习
2025-11-11 v1 人工智能
摘要
准确建模复杂的动态时空系统需要捕获流动媒介的相互依赖性和上下文敏感的交互动力学。现有方法主要是基于图或注意力驱动的，依赖于基于相似性的连通性假设，忽略支配系统演变的非对称流交换。我们提出时空流（Spatio-Temporal Flow），一种以物理为导向的范式，显式通过可量化的流传递来建模动态节点间的耦合，遵循守恒原理。基于此，我们设计FlowNet，一种利用流标记作为信息载体，通过流分配模块模拟源到目的地的传递，确保状态再分配符合守恒定律。FlowNet通过自适应空间掩码模块动态调整交互半径，抑制无关噪声，同时实现上下文感知的传播。级联架构增强了可扩展性和非线性表示能力。实验表明，FlowNet在建模三个真实系统时在七项指标上显著优于现有最先进方法，验证了其效率和物理可解释性。我们确立了一种以时空流相互作用为原则的方法来建模复杂系统。
引用
@article{arxiv.2511.05595,
title = {FlowNet: Modeling Dynamic Spatio-Temporal Systems via Flow Propagation},
author = {Yutong Feng and Xu Liu and Yutong Xia and Yuxuan Liang},
journal= {arXiv preprint arXiv:2511.05595},
year = {2025}
}