模型无关的概率流学习：阐明群体运动的非平衡动力学
统计力学
2024-11-22 v1 机器学习
概率论
摘要
活性系统是一类非平衡动力学，其中各组成部分自主耗能。理解活动作用的努力集中于计算熵产生率（EPR），以量化时间反演对称性的破坏。该计划的一个根本性难题是，相空间的高维性使传统计算技术难以估计 EPR。本文通过一种新型深度学习方法，从随机系统轨迹直接估计概率电流来克服这一挑战。我们推导了概率电流与惯性系统两种局部 EPR 定义之间的新物理联系，并用于描述群体模型中偏离平衡的特征。我们的结果表明，熵在群体的空间界面上产生和消耗，具体涉及 alignments 与涨落之间的相互作用如何动态创建和消灭有序结构。通过使我们的方法能够直接可视化系统何时何地偏离平衡，我们预计这一方法将推动对广泛类复杂非平衡动力学的理解。
引用
@article{arxiv.2411.14317,
title = {Model-free learning of probability flows: Elucidating the nonequilibrium dynamics of flocking},
author = {Nicholas M. Boffi and Eric Vanden-Eijnden},
journal= {arXiv preprint arXiv:2411.14317},
year = {2024}
}