#powertrain

一篇把机器学习和动力系统理论结合的论文，用扩张域训练追踪守恒律在哪里失效，还能判断系统离 Liouville 可积有多近，做可积性研究的朋友可以看看。

这篇 arXiv 论文搞了个隐空间版 Lagrangian 神经网络，训练不用 ODE 求解器，对没见过的外力也能泛化，做物理建模的可以看看。

NGRC 用更少数据就能从 Lorenz 系统一个变量推出另外两个，比传统 RC 省时省算力，还在真实 ENSO 气候数据上跑通了

这篇论文提出OrthoReg，解决了混合建模中神经网络容易学走符号部分的问题，实验效果明显，写代码的朋友可以看看。

时序模型部署时量化误差会随时间累积，TQS用动力系统理论解决了这一痛点，做边缘设备或IoT部署的工程师可以直接参考。

做动力系统建模或算子逼近的研究者，可以用这个算法自动调激活函数，省去手动试错的成本，建议直接看论文里的实验对比。