跳转到正文

GETAI EDITORIAL DISPATCH新闻报道

MIT 团队为混沌系统预测加入硬约束,避免长期模拟数值失控

模型学习一个类似能量的量;一旦轨迹越过学习到的边界,投影层就要求这个量下降。

返回资讯研究MIT News作者 · GETAI.APP查看原文

MIT News 于 11 月 20 日介绍 Sunbochen Tang、Navid Azizan 和 Themistoklis Sapsis 在《美国国家科学院院刊》发表的研究。团队处理的是混沌模拟中的一个具体问题:模型短期拟合良好,连续运行后,微小误差却可能把结果推到物理上不可能的范围。

GETAI 原创主题插画

研究者让模型同时学习描述系统的能量函数和有界区域。轨迹越界后,投影层调整预测,使能量下降并把状态拉回;区域内部仍允许复杂变化。这与预先指定气温等物理量的固定上限有区别。

团队在从教科书案例到多维系统的测试中比较了模拟轨迹。理论保证限于预测保持有界,真实天气的远期轨迹仍然难以逐点预报。研究者计划在更大规模的系统上继续测试。

原始报道或公告 · 延伸核对

配图为 GETAI 原创主题插画。