ICMLJun, 2022
通过模块化和物理归纳偏差学习具有泛化动力学的 ModLaNets
ModLaNets: Learning Generalisable Dynamics via Modularity and Physical Inductive Bias
Yupu Lu, Shijie Lin, Guanqi Chen, Jia Pan
TL;DR提出了一种具有模块化和物理归纳偏差的结构神经网络框架，即 Modular Lagrangian Network (ModLaNet)，它利用模块化来建模每个元素的能量，并通过拉格朗日力学构建目标动力学系统，从而可以从简单系统的动力学中学习并扩展到更复杂的系统，以提高其他相关物理感知神经网络不具备的数据效率和准确性性能。在对双摆和三体系统进行建模的同时，还将模型重新组织为扩展模型，用于模拟多摆和多体系统，展示了该框架的有趣的可重用性特征。