Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Для долгих физических симуляций и переноса на изменённый закон нужны разные ограничения в архитектуре модели. В нерецензированном препринте, где числа получили сами авторы, команда Stony Brook University, Georgia Institute of Technology и Westlake University показала: структурированная модель не расходилась на горизонте в 100 раз длиннее обучающего, тогда как сопоставимые предикторы теряли устойчивость. Значит, при проектировании модели физического мира нельзя считать долгий стабильный прогноз признаком готовности к новым физическим условиям.
Модель обучали предсказывать следующее состояние системы, а затем многократно подавали её результат обратно на вход. Для устойчивости она развивала выученную энергию симплектическим шагом, который сохраняет геометрию консервативной динамики. Для смены закона физический коэффициент G вводили в силу как отдельный линейный множитель: смена его знака по конструкции разворачивала взаимодействие.
В основной задаче модель обучали на притяжении трёх тел и разворачивали траекторию на 2000 шагов. Симплектическая версия сохранила конечные значения во всех эпизодах, тогда как обычный предиктор получил неконечные значения в 61 из 192 эпизодов. При этом ошибка физической энергии у устойчивой модели достигла 710%: она не разрушала траекторию, но это не означало точного прогноза.
При переходе от притяжения к невиданному на обучении отталкиванию помогло только явное разложение коэффициента. Нормированная ошибка траектории, то есть ошибка относительно разброса эталона, составила от 0,03 до 0,18. Симплектическая модель без такого разложения оставалась устойчивой, но продолжала следовать закону притяжения и получила ошибку около 2,7.
Сравнения провели с моделями сопоставимой ёмкости, штрафом за ошибку энергии и neural ODE; основной вывод также проверили на столкновениях, маятнике, кулоновском взаимодействии, трении и синтетических изображениях. Сохранение энергии подходит только консервативным системам, а разложение переносит закон лишь при верно заданной форме зависимости. Когда состояние полностью извлекали из пикселей без привязки объектов, нужный перенос не восстанавливался; работа не заявляет улучшений для реального видео.
Источники
Иллюстрация: рисунок из статьи «Conservation Buys Stability and Factoring Buys Counterfactuals in Physical World Models», Yufeng Wang, Parivesh Priye, Lu Wei и др., CC BY 4.0
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
