Operatori Neurali Simplettici per PDE Hamiltoniane
Una nuova architettura di operatore neurale, l'Operatore Neurale Simplettico (SNO), preserva la struttura simplettica dei sistemi Hamiltoniani a dimensione infinita. Il metodo è progettato per modellare equazioni alle derivate parziali (PDE) Hamiltoniane e dimostra di migliorare la stabilità energetica a lungo termine rispetto agli operatori neurali non strutturali. Risultati teorici stabiliscono simpletticità e stabilità, corroborati da esperimenti numerici su PDE Hamiltoniane canoniche. Il lavoro affronta sfide computazionali nella fisica matematica e nell'ingegneria.
Fatti principali
- Operatore Neurale Simplettico (SNO) introdotto per sistemi Hamiltoniani a dimensione infinita.
- Preserva la struttura simplettica intrinseca delle PDE Hamiltoniane.
- Caratterizzazione teorica della simpletticità e della stabilità a lungo termine.
- Esperimenti numerici su PDE Hamiltoniane canoniche confermano un miglior comportamento energetico.
- Confronto con operatori neurali non strutturali.
- Affronta sfide computazionali e strutturali nella modellazione basata sui dati.
- Rilevante per la fisica matematica e l'ingegneria.
- Inviato ad arXiv in una data non specificata.
Entità
Istituzioni
- arXiv