arXiv · cs.AI· Yulong Yang, Jiayin Liu, Vineet Bansal, Christine Allen-Blanchette·· 5 小时前
SPS-GAN从笛卡尔轨迹与视频中发现学习Hamiltonian系统的相空间结构
Discovering Phase Space Structure in Learned Hamiltonian Systems
arXiv:2509.23003v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yulong Yang, Jiayin Liu, Vineet Bansal, Christine Allen-Blanchette
研究任务与主要进展
Yulong Yang等提出SPS-GAN，通过结合port-Hamiltonian骨干网络与条件生成对抗建模，从笛卡尔轨迹和视频中学习保守、耗散及受迫系统的结构化动力学。论文摘要称，该模型利用循环坐标损失推断系统自由度和规范坐标，在模拟与真实系统上相较监督动力学基线提升轨迹准确度、相较生成基线提升视频一致性，并能跨观测模态和动力学状态恢复潜在力学坐标；材料未说明具体规模、基线设置或实验细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org