用于基于神经网络的谱估计与稀有事件预测的不精确迭代数值线性代数
计算物理
2023-07-24 v3 机器学习
摘要
理解复杂系统中的动力学具有挑战性，因为其自由度众多，且对描述感兴趣事件最为重要的自由度往往并不明显。转移算子的前导本征函数可用于可视化，并能为计算事件似然和平均时间（预测）等统计量提供高效基。本文发展了一种不精确迭代线性代数方法，用于从有限间隔采样的短轨迹数据集中计算这些本征函数（谱估计）并做出预测。我们在一个便于可视化的低维模型和一个高分子系统的低维模型上展示了这些方法。讨论了其对强化学习中预测问题的意义。
引用
@article{arxiv.2303.12534,
title = {Inexact iterative numerical linear algebra for neural network-based spectral estimation and rare-event prediction},
author = {John Strahan and Spencer C. Guo and Chatipat Lorpaiboon and Aaron R. Dinner and Jonathan Weare},
journal= {arXiv preprint arXiv:2303.12534},
year = {2023}
}
备注
24 pages, 16 figures