研究者提出MVNN从粒子轨迹学测度依赖动力学

研究者 Liyao Lyu、Xinyue Yu、Hayden Schaeffer 提交预印本，提出测度值神经网络 MVNN，可直接从粒子轨迹观测中推断依赖测度的交互（漂移）项。其做法是通过学习柱状特征，把标准神经网络推广到概率测度上。 论文称，理论上证明了所得动力学的适定性与相关相互作用粒子系统的传播混沌，并在低维测度依赖假设下给出通用逼近与定量逼近速率。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。