识别高维随机系统中的非平衡自由度
统计力学
2025-08-18 v2 生物物理
摘要
任何非平衡系统的粗粒化描述都应忠实地表示其潜在的不可逆自由度。然而，标准的降维方法通常优先考虑精确重建而非物理相关性。我们引入一种无模型方法，用于识别处于非平衡稳态的随机系统中的不可逆自由度。我们的方法利用了一个洞见：一个经过训练以区分正向和时间反演轨迹的黑箱分类器，会隐式地估计局部熵产生率。通过将该分类器参数化为学习到的状态表示的二次型，我们获得了高维状态空间动力学的非线性嵌入，我们称之为非平衡系统潜在嵌入（LENS）。LENS有效地识别了低维不可逆流，并提供了一种可扩展的、基于学习的策略，用于直接从高维时间序列数据中估计熵产生率。
引用
@article{arxiv.2508.08247,
title = {Identifying nonequilibrium degrees of freedom in high-dimensional stochastic systems},
author = {Catherine Ji and Ravin Raj and Benjamin Eysenbach and Gautam Reddy},
journal= {arXiv preprint arXiv:2508.08247},
year = {2025}
}