Core Concepts
熱力学に基づいた潜在空間ダイナミクス特定手法を提案する。
Abstract
提案されたtLaSDIは、非線形次元削減モデルとしてオートエンコーダーを使用して学習された潜在変数を備えています。潜在変数のダイナミクスは、GENERIC形式を介して熱力学の第一および第二法則に従うように設計されています。新しい損失関数を最小化することで、オートエンコーダーと潜在ダイナミクスがトレーニングされます。数値例は、tLaSDIの性能を示し、堅牢な汎化能力を示します。また、潜在空間内のエントロピー生成率と完全状態解の振る舞いとの興味深い相関が経験的に観察されました。
Stats
数値例は25個のトレーニングデータで訓練されました。
次元削減後のパラメータ数:n = 10。
tLaSDIのトレーニング回数:42,000回。
Quotes
"提案されたtLaSDIは、非侵襲的なROM手法としても最も正確な外挿性能を提供します。"
"GENERIC形式に基づくNNモデル(GFINNs)が使用されており、新しい損失関数導入により大幅な汎化能力向上がもたらされます。"