几何无关数据驱动神经框架提出

发生了什么

据arXiv cs.LG报道，研究人员提出一种两阶段数据驱动神经框架，用于发现极端动力学场景与高影响相干结构。第一阶段从观测数据中直接推断有效动力学约束，当物理系统具有对称性时，学习到的动力学可表示为与网格、坐标系、维度和固有曲率无关的几何无关形式。第二阶段使用物理信息神经搜索，基于第一阶段学习到的动力学，发现可能未出现在原始观测中的稀有、高影响相干结构。该框架通过代表性地增加维度和几何复杂性的例子进行演示，并展示了其在风险分析、非线性预测和异常检测中的应用。