LAGRANGIAN NEURAL NETWORKS拉格朗日神经网络

一、信息

题目：拉格朗日神经网络（LNNs）

作者：Miles Cranmer等

单位：Princeton University

发表： ICLR 2020 Deep Differential Equations Workshop

背景：神经网络模型在物理科学中的应用越来越多，但它们很难学习对称性。

要解决的问题：现有模型如HNN需要正则化坐标系，不能保持守恒定律。

解决方案：提出LNNs，在任意坐标系都可以建模，不限制能量函数的形式，可以应用到图结构和连续系统

---

二、内容

1.举例

       使用拉格朗日量描述双摆这样的动力学系统，左下角是观察到的轨迹（黑色），中间表示Baseline NN和Lagrangian NN

        baseline NN是一个多层感知器的结构，由于神经网络无法保持能量守恒，长时间运行会导致能量的损失（红色），lagrangian NN通过学习任意形式的拉格朗日量来更好的捕捉物理定律的本质，从而实现能量守恒，轨迹更加稳定（蓝色）