arXiv 机器学习· M. A. Maia, K. A. Meyer, A. M. C. M. van Gils, I. B. C. M. Rocha, F. P. van der Meer·· 4 小时前AI 评分31
物理循环神经网络在低数据场景下的可解释性与热力学一致性架构选择研究
On architectural choices for interpretability and thermodynamic consistency in Physically Recurrent Neural Networks in the low-data regime
AI 导读
研究探讨了物理循环神经网络在低数据场景下的解码器架构设计，提出一种用于稳健训练的新权重归一化约束。该设计使潜空间无需显式训练即可与真实 RVE 状态对齐，且无需额外参数就能将微观信息融入多任务学习。结合正标量贡献的伴随编解码器结构还确保了跨尺度能量一致性与非负耗散，进一步提升了数据效率。
来源：arXiv 机器学习 · arxiv.org