Lagrangian Neural Networks

齐次空间 人工神经网络 哈密顿量(控制论) 能量守恒 守恒定律 广义相对论 拉格朗日 消散 正则坐标 多样性(控制论) 物理 计算机科学 经典力学 理论物理学 数学 人工智能 数学优化 量子力学 几何学 相空间
作者
Miles Cranmer,Sam Greydanus,Stephan Hoyer,Peter W. Battaglia,David N. Spergel,Shirley Ho
出处
期刊:Cornell University - arXiv 被引量:77
标识
DOI:10.48550/arxiv.2003.04630
摘要

Accurate models of the world are built upon notions of its underlying symmetries. In physics, these symmetries correspond to conservation laws, such as for energy and momentum. Yet even though neural network models see increasing use in the physical sciences, they struggle to learn these symmetries. In this paper, we propose Lagrangian Neural Networks (LNNs), which can parameterize arbitrary Lagrangians using neural networks. In contrast to models that learn Hamiltonians, LNNs do not require canonical coordinates, and thus perform well in situations where canonical momenta are unknown or difficult to compute. Unlike previous approaches, our method does not restrict the functional form of learned energies and will produce energy-conserving models for a variety of tasks. We test our approach on a double pendulum and a relativistic particle, demonstrating energy conservation where a baseline approach incurs dissipation and modeling relativity without canonical coordinates where a Hamiltonian approach fails. Finally, we show how this model can be applied to graphs and continuous systems using a Lagrangian Graph Network, and demonstrate it on the 1D wave equation.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小嘴巴发布了新的文献求助10
刚刚
刚刚
刚刚
刚刚
woho完成签到,获得积分20
1秒前
仙棠完成签到,获得积分10
1秒前
1秒前
3秒前
3秒前
木火灰完成签到,获得积分10
3秒前
嗖嗖发布了新的文献求助15
3秒前
4秒前
爱听歌的钢铁侠完成签到,获得积分10
4秒前
风在山路吹完成签到 ,获得积分10
4秒前
羽化发布了新的文献求助10
4秒前
欢呼天奇完成签到,获得积分10
5秒前
5秒前
5秒前
5秒前
6秒前
nini完成签到,获得积分10
6秒前
6秒前
枝桠完成签到,获得积分10
8秒前
微笑的涛发布了新的文献求助30
8秒前
吴所畏惧发布了新的文献求助10
8秒前
8秒前
zyy发布了新的文献求助10
8秒前
阳光的雯完成签到,获得积分10
8秒前
9秒前
火羽白日生完成签到,获得积分10
9秒前
小刘发布了新的文献求助10
10秒前
星辰大海应助xuxu采纳,获得10
11秒前
Change_Jing发布了新的文献求助10
11秒前
寻舟者应助小嘴巴采纳,获得10
12秒前
爱学习的小霸完成签到,获得积分10
12秒前
NZH发布了新的文献求助10
12秒前
ydydydy完成签到,获得积分10
13秒前
sunny完成签到 ,获得积分10
13秒前
14秒前
李浩男完成签到,获得积分10
14秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
A Dissection Guide & Atlas to the Rabbit 600
中国心血管健康与疾病报告2023(要完整的报告) 500
Ожившие листья и блуждающие цветы. Практическое руководство по содержанию богомолов [Alive leaves and wandering flowers. A practical guide for keeping praying mantises] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3102053
求助须知:如何正确求助?哪些是违规求助? 2753346
关于积分的说明 7623434
捐赠科研通 2406027
什么是DOI,文献DOI怎么找? 1276521
科研通“疑难数据库(出版商)”最低求助积分说明 616877
版权声明 599103