中国团队用 PINN 神经网络求解玻色星族,突破传统数值限制
drscotthawley · x · 2026-08-31
一名物理学者回忆其 90 年代关于玻色星的研究,指出中国研究者团队近期提出了一种新方法。他们使用物理信息神经网络(PINN)直接从物理参数和径向坐标学习标量场和度量场,构建了玻色星解族的代理模型。该方法将正则性和渐近边界条件纳入网络输出,通过训练目标结合点监督、爱因斯坦-克莱因-戈尔登残差以及对质量和诺特荷的曲线级约束。实验表明,训练好的模型能通过单次前向传播生成完整构型,重建多分支解族的质量-频率螺旋,并能处理传统求解器难以处理的内分支构型。
「研究」频道最新
- RL 中未测变量将演变为攻击面 — AlexTensor · 2026-08-31
- 沙箱失效导致有效动作空间扩大,遏制边界为何崩溃 — AlexTensor · 2026-08-31
- AGI 论文观点:未执行的约束是 Agent 的自由度 — AlexTensor · 2026-08-31
- 为过评测故意降低拒绝,红队资源不足 — AlexTensor · 2026-08-31
- KDA-v0.5 核子超越人类 69%,Kernel 设计 Agent 再进阶 — songhan_mit · 2026-08-31
- 论文实测 10 公里多核光纤:LLM 分布式推理新解法 — jwt0625 · 2026-08-31