推文

@kafkaup · 2026-10-17 08:01

📄 A Response Theory Probe for Learned Stochastic AI Simulators, Tested on Lorenz-63 概述：作者提出一种基于线性响应理论的校准式、模态可分辨检验方法，用于判断混沌、随机系统的机器学习仿真器是否能正确捕捉受迫响应，并在随机Lorenz-63系统上对多种代理模型进行了测试。 核心贡献：该研究基于广义波动－耗散关系与鲁埃尔－波利科特共振分解，构建了可对每次模拟轨迹进行通过、失败判定的校准式响应理论检验方法，将Koopmanism响应框架转化为实用的诊断工具。 实验结果：结果显示，正确结构的稀疏回归模型在响应检验中表现与真实系统一致；储层计算模型与神经ODE、神经SDE模型在不变统计量保真度与响应（松弛模态）保真度上呈现相反方向的脱节现象，且静态响应函数χ(0）无法区分这两种失效情形，训练方式的选择决定了模型能正确捕捉哪一类特性。

曝光 110 · 评论 1 · 点赞 0 · 书签 0 · 曝光/时 52.965559703883464