神经网络学习Cole-Hopf坐标还原KPZ动力学
热点事件观察中
神经网络学习Cole-Hopf坐标还原KPZ动力学
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者提出一种数据驱动框架，用神经网络学习变量替换，使非线性随机动力学变为线性，训练采用短时矩匹配目标，优化中无需模拟轨迹。Lorenzo Mensi等作者在一维KPZ方程上仅凭模拟高度轨迹，恢复出局部指数Cole-Hopf映射及对应线性随机算子，生成轨迹重现β=1/3的生长律与平坦初始条件下的GOE Tracy-Widom高度分布。
AI 根据报道生成 · 1 天前更新
最新进展10月23日 12:00
学习 Cole-Hopf 坐标的随机生长动力学：KPZ 类报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 物理学习 Cole-Hopf 坐标的随机生长动力学：KPZ 类
研究者提出一种数据驱动框架，通过神经网络学习变量替换，使非线性随机动力学变为线性，并用短时矩匹配目标训练，优化中无需模拟轨迹。在一维 KPZ 方程上，仅凭模拟高度轨迹即恢复出局部指数 Cole-Hopf 映射及对应线性随机算子，生成轨迹重现 β=1/3 的生长律与平坦初始条件下的 GOE Tracy-Widom 高度分布。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 1010月23日 13:00
- 近 24 小时变化
- -49%
02.557.510
18:0010月24日06:0012:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。