通过学习支配机制来预测复杂动态系统的临界行为
物理与社会
2025-04-15 v1
摘要
临界点分离复杂系统中不同动力学态的临界点，常常界定功能或宏观相位的边界。然而，鉴于其从中涌现的狭窄参数集合，长期预测临界态与行为具有挑战性。本文提出了一种学习系统动态过程支配规则的框架。所学支配规则进一步细化并引导神经网络从一系列动态图中进行代表性学习。这种组合使我们能够通过学习支配机制来预测动态网络系统的临界行为。我们在各种合成和真实网络上的扩散动力学中评估了框架性能。结果表明，支配规则能够有效学习，并显著提升预测准确度。我们的框架展示了通过学习底层机制来促进深度神经网络表征性的场景，旨在引导用于预测可学习物理规则驱动的复杂行为的应用。
引用
@article{arxiv.2504.09622,
title = {Predicting the critical behavior of complex dynamic systems via learning the governing mechanisms},
author = {Xiangrong Wang and Dan Lu and Zongze Wu and Weina Xu and Hongru Hou and Yanqing Hu and Yamir Moreno},
journal= {arXiv preprint arXiv:2504.09622},
year = {2025}
}
备注
22 pages including figures. Submitted for publication