驯服AI，更懂物理！何恺明团队提出全新DHN「去噪哈密顿网络」

文章预览

   新智元报道   编辑：英智 【新智元导读】 何恺明团队提出的去噪哈密顿网络（DHN），将哈密顿力学融入神经网络，突破传统局部时间步限制，还有独特去噪机制，在物理推理任务中表现卓越。 近日，何恺明团队提出了去噪哈密顿网络（Denoising Hamiltonian Network，DHN），就像给物理知识开了挂。 传统的机器学习方法虽然能处理一些简单的物理关系，但面对复杂的物理系统时，却显得力不从心。 来自MIT、斯坦福、西北大学等的研究者将哈密顿力学算子推广到神经网络中，不仅能捕捉非局部时间关系，还能通过去噪机制减轻数值积分误差。 论文链接：https://arxiv.org/abs/2503.07596 现有的方法对相邻时间步之间的局部关系进行建模，这就像是只看到了树木，却忽略了整个森林。 这种局限性使模型在处理复杂物理系统时，难以把握系统的全局特征和高级别 ………………………………