Popularne tematy
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Sieci neuronowe z informacjami fizycznymi do wnioskowania, jak oscylatory sprzężone oddziałują: od zegarów embrionalnych po wirujące nanorurki
Oscylatory sprzężone są wszędzie w naturze—zegar segmentacji koordynujący formowanie kręgów w embrionach, rytmy cyrkadianowe w jądrze nadskrzyżowaniowym, sieci energetyczne, wirujące nanocząstki pod światłem spolaryzowanym. Wszystkie są rządzone przez funkcję sprzężenia, która określa, czy oscylatory przyciągają, odpychają, czy synchronizują się asymetrycznie.
Identyfikacja tej funkcji na podstawie danych jest kluczem do zrozumienia mechanizmu interakcji, ale jest to trudny problem odwrotny. Standardowe podejścia reprezentują funkcję sprzężenia jako sumę wielomianów trygonometrycznych dopasowanych do obserwowanych szeregów czasowych fazy—ale nie ma zasady dotyczącej wyboru, ile wyrazów uwzględnić. Hwang, Jo i Kim pokazują, że nie jest to kwestia konwencji: nie istnieje jedna optymalna liczba. Nieliczne funkcje bazowe pomijają asymetryczną strukturę; wiele z nich przefitowuje na rzadkich lub szumowych danych.
Aby całkowicie obejść wybór baz, wprowadzają IC-PINN (Wnioskowanie o Sprzężeniu za pomocą Sieci Neuronowych z Informacjami Fizycznymi). Dwie oddzielne sieci uczą się, odpowiednio, trajektorii faz i funkcji sprzężenia jako funkcji różnicy faz, z okresowością wymuszoną przez mapowanie wejść przez (sin θ, cos θ). Wspólne szkolenie minimalizuje połączoną stratę—wiarygodność danych plus ograniczenie fizyczne wymuszające zgodność z rządzącymi równaniami różniczkowymi. To ograniczenie działa jako naturalny regularizator, czyniąc IC-PINN odpornym na szum i rzadkość bez ręcznego dostrajania.
IC-PINN odzyskuje funkcje sprzężenia w ramach synchronizacji dwukierunkowej, Winner-Take-All i Loser-Take-All, rozszerza się na M sprzężonych oscylatorów i wnioskowuje strukturę sieci z AUC równym 1.0 na rzadkich i modułowych topologiach. Zastosowane do danych oscylacji genu HES z komórek ogona embrionu myszy, potwierdza synchronizację Winner-Take-All i przewiduje, że różnica faz zmniejsza się o połowę w około 100 minut. Zastosowane do wirujących nanorurek złotych pod światłem spolaryzowanym okrągło, odzyskuje funkcję sprzężenia tylko na podstawie danych różnicy faz—reżim, w którym konwencjonalne metody całkowicie zawodzą.
Głębszy punkt jest architektoniczny: IC-PINN oddziela dynamikę fazy od dynamiki interakcji w odrębne sieci, sprzężone tylko przez ograniczenia fizyczne. To sprawia, że funkcja sprzężenia jest identyfikowalna nawet na podstawie częściowych, szumowych obserwacji i otwiera drzwi do odkrywania nieliniowych zasad interakcji bez narzucania ich a priori.
Artykuł:

Najlepsze
Ranking
Ulubione
