动作学习可直接从轨迹评估合理性

Sarah Liaw与Yilun Du等人提出“动作学习”方法，可直接从观测轨迹学习随机动作并为整条轨迹评分，无需预先获知力、势能函数或模拟器似然。该方法在双势阱系统中恢复底层物理动力学，误差比局部回归低2000倍以上，并从31天体的太阳系轨道轨迹中识别出相当于太阳质量0.01%的隐藏扰动。 学习到的分子动作还可复用于轨迹补全、导向、约束优化和温度迁移。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。