Hard Symplectic Graph Neural ODEs for Scalable Trajectory Reconstruction in Perturbed Relativistic N-Body Celestial Swarms: Scaling to One Million Bodies with Empirical NASA Ephemerides
Ce document introduit SympG-NODE, un cadre de réseaux de neurones différentiels ordinaires sur graphes (Graph Neural ODE) préservant la structure, qui exploite la géométrie symplectique et les réseaux de graphes équivariants pour parvenir à une reconstruction de trajectoire scalable et de haute précision pour des essaims célestes de N-corps relativistes perturbés allant jusqu'à un million de corps, tout en conservant strictement les invariants hamiltoniens et en surmontant les limitations de dérive de phase des réseaux de neurones informés par la physique standards.