Authors：Takaharu Yaguchi,Yuhan Chen,Baige Xu,Ryoko Yasuda

Affiliation：Graduate School of System Informatics, Kobe University

Abstract：本研究は，深層学習を用いて物理現象をモデル化する手法を目的としている．特に，既存手法では，標準形のハミルトン方程式が利用されることが多いが，そのためには，データが正準座標で与えられる必要がある．しかし，正準座標は，通常，未知であるハミルトニアンに依存して決まるため，学習のためのデータが用意できない．本研究では，データからシンプレクティック形式を学習し，ハミルトン方程式の座標系に依存しない表現を利用することで解決した．

 

Publication related to your research
（International conference paper）

• Yuhan Chen, Takashi Matsubara, and Takaharu Yaguchi, Neural Symplectic
  Form: Learning Hamiltonian Equations on General Coordinate Systems, Advances in Neural Information Processing Systems 34 (NeurIPS2021), 2021.

 

（国内研究会等発表論文）

• 陳鈺涵, 徐百歌, 松原崇, 谷口隆晴，ニューラルシンプレクティック形式とその応用，日本応用数理学会第18 回研究部会連合発表会，オンライン，2022.
• 陳鈺涵，松原崇，谷口隆晴，シンプレクティック形式の学習による一般座標系での深層物理モデル，日本応用数理学会環瀬戸内応用数理研究部会第25 回シンポジウム，岡山, 2021
• 陳鈺涵, 松原崇, 谷口隆晴, ニューラルシンプレクティック形式とそれによる一般座標系でのハミルトン方程式の学習, 第24 回情報論的学習理論ワークショップ(IBIS2021), オンライン, 2021.