Accelerated Integration of Stiff Reactive Systems Using Gradient-Informed Autoencoder and Neural Ordinary Differential Equation
本論文は、潜在変数の勾配を損失関数に組み込むことで、硬い化学反応系の時間積分において、訓練データ外の条件でも高精度かつ計算効率よく反応動力学を予測できる、オートエンコーダとニューラル常微分方程式を融合した新しいデータ駆動型低次元モデルを提案し、その有効性を示したものである。