摘要：使用可微分神经网络来逼近完整的GENERAL结构的进化学习的一种新方法的提出。我们不是手动选择拟合参数，而是学习整个模型以及进化方程。我们可以重构系统在各种假设下的能量和熵函数，并准确捕捉双热弹性摆和刚体的系统行为。
作者：Martin v{S}''ipka, Michal Pavelka
论文ID：2109.12659
分类：Computational Physics
分类简称：physics.comp-ph
提交时间：2021-09-28
PDF 下载： 英文版 中文版pdf翻译中