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
Dit artikel introduceert SympG-NODE, een structuurbehoudend Graph Neural ODE-framework dat symplectische geometrie en equivariante graafnetwerken benut om schaalbare, nauwkeurige trajectreconstructie te bereiken voor verstoorde relativistische N-lichamen hemelzwermen van tot één miljoen lichamen, terwijl de Hamiltoniaanse invarianten strikt worden geconserveerd en de fase-driftbeperkingen van standaard Physics-Informed Neural Networks worden overwonnen.