跳到正文
arXiv · ML· Christopher M. Pierce·· 10 天前AI 评分26

Symplectic Normal Coordinates Flow:用于哈密顿系统生成建模的可逆辛流层

Symplectic Normal Coordinates Flow for Generative Modeling of Hamiltonian Systems

AI 导读

提出一种基于学习法向量的可逆辛流层,包含幅值依赖的旋转操作,专门用于物理系统的条件生成建模。 该架构通过保证非线性旋转层的辛性质,在耦合非线性振荡器及加速器物理任务中实现了对基线流模型更具竞争力或更优的负对数似然。 性能增益随系统非线性强度的增加而扩大,该方法已被 NeurIPS 2026 接收。

来源:arXiv · ML · arxiv.org