抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
自然の対称性の理解は,著者らの複雑で絶えず変化する世界の意味を作るのに重要である。最近の研究は,ニューラルネットワークがハミルトニアンニューラルネットワーク(HNN)を用いてデータからそのような対称性を直接学習できることを示した。しかし,HNNは,エネルギーが保存されないデータセット上で訓練されたとき,ストラッグルスを strった。本論文では,保存的および散逸的動力学を同時に同定および分解できるかどうかを問う。ハミルトニアンとRayleigh散逸関数をパラメータ化する散逸ハミルトニアンニューラルネットワーク(D-HNN)を提案した。まとめると,それらは,エネルギーの保存のような対称性からの摩擦のような散逸効果を分離できる陰的Helmholtz分解を表す。減衰質量-ばね系をその摩擦と慣性項に分解するために,このモデルを訓練し,次に,この分解が,非分離摩擦係数に対する動力学を予測するために使用できることを示した。次に,このモデルを,速度場を分解して有用な科学的洞察をもたらす大規模でノイズの多い海洋潮流データセットを含む実世界データに適用した。【JST・京大機械翻訳】