Core Concepts
本論文は、ガウシアンプロセス回帰を用いて、データから連続または離散ラグランジアンを同定する手法を提案する。この手法は構造保存的であり、収束保証と不確定性定量化を提供する。
Abstract
本論文は、データから動力学系のラグランジアンを学習する手法を提案している。
主な内容は以下の通り:
連続ラグランジアンの同定:
ガウシアンプロセス回帰を用いて、データから連続ラグランジアンを同定する。
収束保証と不確定性定量化を提供する。
ハミルトニアンや symplectic 構造などの線形観測量の不確定性も定量化できる。
離散ラグランジアンの同定:
離散ラグランジアンの同定も同様の手法で行う。
連続ラグランジアンの場合と同様に、収束保証と不確定性定量化を提供する。
ラグランジアンの非一意性の問題:
ラグランジアンは非一意的であるが、適切な正規化条件を課すことで、この問題に対処する。
正規化条件は、ラグランジアンの等価性に基づいて導出される。
数値実験:
結合調和振動子の例を用いて、提案手法の有効性を示す。
収束性と不確定性定量化の結果を確認する。
本手法は、物理に基づくデータ駆動モデリングの分野で重要な貢献をするものと期待される。特に、収束保証と不確定性定量化は、適応的サンプリング手法の基礎となる。
Stats
結合調和振動子のラグランジアンは、Lref(x, ẋ) = 1/2∥ẋ∥2 - 1/2∥x∥2 + 0.1x0x1 である。
訓練データは、ハルトン列に基づくx(j) = (x(j), ẋ(j))をM = 80, 300個用いた。