哈密頓系統

深度分析

守恆量學習比較：CDN、多項式與結構化能量網路在哈密頓系統中的還原能力

背景：深度模型能短期預測物理軌跡但可能違反守恆。方法：研究以守恆發現網路與結構化能量網路直接從軌跡學習不變量，並檢驗訓練排程與雜訊敏感度。結果：結構化先驗在匹配系統時能極好重現解析能量，但在有狀態雜訊或訓練不足下，黑箱式或多項式方法表現各有利弊。