面向 3D 主动布朗粒子的最可能路径的神经网络优化
软凝聚态物质
2025-11-24 v2 统计力学
生物物理
摘要
我们构建一个变分神经网络框架，通过直接最小化 Onsager-Machlup 积分 (OMI) 来确定 3D 主动布朗粒子 (ABP) 的最可能路径 (MPP)。为获得 OMI，我们采用用于主动系统的 Onsager-Machlup 变分原理，构建包含其主动功的 ABP 的 Rayleighian。该方法揭示了 MPP 从平面内 I 形和 U 形路径向 3D 螺旋路径的几何转变，这种转变随最终时间和净位移的变化而发生。我们还展示了初始和最终边界条件对 MPP 具有显著影响。我们的结果表明，神经网络优化结合 Onsager-Machlup 变分原理为探索主动系统和非平衡系统中最优转换路径提供了一种高效且通用的方法。
引用
@article{arxiv.2511.16178,
title = {Neural optimization of the most probable paths of 3D active Brownian particles},
author = {Bin Zheng and Zhongqiang Xiong and Changhao Li and Zhanglin Hou and Ziluo Zhang and Xinpeng Xu and Li-Shing Lin and Kenta Ishimoto and Kento Yasuda and Shigeyuki Komura},
journal= {arXiv preprint arXiv:2511.16178},
year = {2025}
}
备注
6 pages, 3 figures