arXiv eess.SY 系统与控制· Yulong Yang, Jiayin Liu, Vineet Bansal, Christine Allen-Blanchette·· 13 小时前精选AI 评分55
NeurIPS 2026 收录 SPS-GAN：从学习的 Hamilton 系统中发现相空间结构
Discovering Phase Space Structure in Learned Hamiltonian Systems
AI 导读
论文提出 Structured Phase Space GAN（SPS-GAN），一种条件生成模型，可从笛卡尔轨迹和视频中学习结构化动力学，将 port-Hamiltonian 骨干与对抗式条件生成结合，在单一架构中表示保守、耗散和受迫系统。
推荐理由
论文提出用循环坐标损失从原始观测中反推自由度与正则坐标，可迁移的思路是不依赖真实相空间也能恢复力学结构。
来源：arXiv eess.SY 系统与控制 · arxiv.org