首次成功训练LNN学习史瓦西测地线

研究者首次成功用拉格朗日神经网络（LNNs）训练 Schwarzschild 测地线动力学，通过解耦的位置—速度归一化方案和基于 ISCO 结构的能量约束对数均匀采样数据生成策略两项改进实现。模型能准确复现近日点进动与相对论时间膨胀，在绕中心质量多圈后能量与角动量守恒误差仍在百分之几以内，并在近距离、中距离和远场三类共八种轨道场景中预测轨迹。

摘自 arXiv：cs.LG

还没有足够的连续观测数据，暂不绘制趋势。