物理情報グラフニューラルネットワークは変分非平衡最適制御のスケーラビリティを高める【JST・京大機械翻訳】

Yan Jiawei; Rotskoff Grant M.

プレプリント

J-GLOBAL ID：202202201405935597 整理番号：22P0329915

物理情報グラフニューラルネットワークは変分非平衡最適制御のスケーラビリティを高める【JST・京大機械翻訳】

Physics-informed graph neural networks enhance scalability of variational nonequilibrium optimal control

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年04月11日プレプリントサーバーでの情報更新日： 2022年04月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

物理的システムが平衡から離れるとき,その動的軌跡の統計的分布は,その物理的性質の多くを知らせる。電流あるいはエントロピー生成速度のような動的観測の分布の性質の特性化は,非平衡統計力学における中心的問題になった。漸近的に,観測可能な広いクラスに対して,動力学がMarkovianであるとき,与えられた観測の分布が大きな偏差原理を満足し,変動がスケールキュムラント生成関数を計算することによって長時間限界で特性化できることを意味した。この関数の計算は,複雑,相互作用系に対して,解析的に(しばしば数値的に)扱いにくいので,この計算を行うためのロバストな数値技術の開発は,非平衡材料の特性を調べるのに必要である。ここでは,変分的に解くことができる最適制御問題としてこのタスクを再キャストするアルゴリズムについて述べた。ニューラルネットワークを用いて最適制御力を解き,力を適用した物理的システムに仕立てた。このアプローチが,多数の相互作用粒子を特徴とする2つのシステムにおいて,移動可能で正確な解を導くことを実証した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

統計力学一般,多体問題

, , , , ,

前のページに戻る