通过速度匹配学习动力系统演化

研究人员提出无需仿真的训练目标 Velocity Matching（VM），通过分段线性插值与随机搭配学习非线性动力系统的连续时间演化。该方法在采样步长上实现速度总体风险的二阶近似，无需直接访问底层速度场即可隐式匹配雅可比矩阵作用。在非线性 ODE 与半离散时间 PDE 实验中，VM 较基于轨迹的目标提升了精度，同时规避了仿真成本与长推演不稳定性。