使用PINNs在离散系统中发现控制方程
摘要：稀疏识别非线性动力系统是动力系统社区中逐渐增长的重要课题。在这里，我们在许多自由度的格点非线性动力系统水平上进行了探索。我们展示了适当调整的物理信息神经网络（PINNs）在解决参数识别的逆问题上的能力，这些问题涉及到受物理应用启发的离散高维系统。该方法在各种例子中进行了说明，包括实场（$phi^4$和正弦-高登）以及复场（离散非线性Schr{"o} dinger方程），并超出了哈密顿到耗散情况（离散复Ginzburg-Landau方程）。我们讨论了该方法的成功和一些限制。
作者：Sheikh Saqlain, Wei Zhu, Efstathios G. Charalampidis, Panayotis G. Kevrekidis
论文ID：2212.00971
分类：Pattern Formation and Solitons
分类简称：nlin.PS
提交时间：2022-12-05