ホットトピック継続更新中
研究者提出免仿真的动力系统学习算法VM
1 件の報道1 件の報道元16 時間前 更新
まずこの件を把握する
AI 概要
2026年11月3日，研究人员在arXiv发表论文，提出一种名为速度匹配（Velocity Matching，VM）的无需仿真的训练目标，用于学习非线性动力系统的连续时间演化。该方法采用分段线性插值与随机搭配机制，能够在采样步长上实现速度总体风险的二阶近似，使模型在无需直接访问底层速度场的情况下，隐式匹配雅可比矩阵的作用。在非线性常微分方程（ODE）与半离散时间偏微分方程（PDE）的实验中，VM相较于基于轨迹的目标展现出更高的精度，同时有效规避了高昂的仿真计算成本与长推演过程中的不稳定性。
AI が報道をもとに生成 · 12 時間前 更新
最新の進展11月3日 13:00
研究者提出无需仿真的算法VM，通过速度匹配提升非线性动力系统学习精度并规避仿真成本。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月3日
- arXiv 机器学习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。
このストーリーのホット度の推移
現在のホット度 7·比較可能範囲のピーク 9（11月3日 18:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。