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
本論文は、シンプレクティック幾何学と等変グラフネットワークを活用することで、最大100万個の天体からなる摂動を受けた相対論的なN体天体群に対して、ハミルトン不変量を厳密に保存しつつ、標準的な物理情報ニューラルネットワークの位相ドリフトの限界を克服し、スケーラブルで高精度な軌道再構成を実現する、構造保存型グラフNeural ODEフレームワークであるSympG-NODEを導入するものである。