SymFlux：基于哈密顿向量场的深层符号回归
机器学习
2025-07-10 v1 人工智能
动力系统
辛几何
摘要
我们提出了 SymFlux，一个新颖的深度学习框架，用于从其在标准辛平面上对应的向量场中识别哈密顿函数。SymFlux 模型利用混合 CNN-LSTM 架构学习并输出底层哈密顿函数的符号数学表达式。对训练和验证在新开发的哈密顿向量场数据集上进行，这是本项工作的关键贡献。我们的结果表明，该模型在准确恢复这些符号表达式方面表现出色，推动了哈密顿力学中的自动化发现。
引用
@article{arxiv.2507.06342,
title = {SymFlux: deep symbolic regression of Hamiltonian vector fields},
author = {M. A. Evangelista-Alvarado and P. Suárez-Serrato},
journal= {arXiv preprint arXiv:2507.06342},
year = {2025}
}
备注
26 pages, 7 figures