摘要

尽管神经网络得到了广泛的应用，但它们仍在努力学习基本的物理定律。我们如何赋予他们更好的归纳偏差?在本文中，我们从哈密顿力学中得到启示，训练模型，学习和尊重精确的守恒定律在无监督的方式。我们在能量守恒很重要的问题上评估我们的模型，包括二体问题和摆的像素观测。我们的模型比常规的神经网络训练更快，泛化更好。一个有趣的副作用是我们的模型在时间上完全可逆。

作者

山姆·格雷达努斯，米斯科·赞巴，杰森Yosinski

会议

NeurIPS 2019

论文全文

“汉密尔顿神经网络”(PDF)

超级人工智能