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
本文介绍了 SympG-NODE,这是一个保持结构的图神经常微分方程(Graph Neural ODE)框架,它利用辛几何和等变图网络,在严格守恒哈密顿量不变性的同时,克服了标准物理信息神经网络(PINNs)的相位漂移限制,实现了对多达一百万个天体的受扰动相对论性 N 体天体群的可扩展、高精度轨迹重建。