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
Questo articolo introduce SympG-NODE, un framework di Graph Neural ODE che preserva la struttura, il quale sfrutta la geometria simpatica e le reti grafiche equivarianti per ottenere una ricostruzione delle traiettorie scalabile e ad alta precisione per stormi celesti di corpi relativistici perturbati fino a un milione di corpi, conservando rigorosamente gli invarianti hamiltoniani e superando i limiti di deriva di fase delle standard Physics-Informed Neural Networks.