위키득계정 ↗
기술

해밀토니안 신경망

해밀토니안 신경망기술
약칭
HNN
학습 함수
해밀토니안 H
기본 좌표
정준 위치 q와 운동량 p
변화율
해밀턴 방정식
해밀토니안 신경망은 스칼라 해밀토니안을 신경망으로 표현하고 그 미분에서 상태 변화율을 구하는 모형이다. 정준 위치와 운동량의 관계를 구조에 반영해 보존계의 동역학을 학습한다.

스칼라에서 동역학으로

상태 변화율을 성분별로 독립 예측하는 대신 Hθ(q, p)를 학습한다. q의 변화율은 H의 p에 대한 편미분이고 p의 변화율은 q에 대한 편미분에 음수를 붙인 값이다. 이를 적분해 궤적을 계산한다.

보존되는 양

시간에 명시적으로 의존하지 않는 미분 가능한 H에서 정확한 연속 흐름은 H를 보존한다. 이는 학습한 H의 보존이며 그 함수가 실제 물리 에너지와 정확히 같다는 보장은 아니다. 수치 솔버의 이산 적분에서도 오차가 생길 수 있다.

독립적인 진동계 예제

H=p²/4+4q²이면 q′=p/2, p′=−8q다. q=1, p=2에서 에너지는 5이고 변화율은 (1, −8)이다. H의 순간 변화는 8q q′+(p/2)p′=8−8=0이다. 특정 학습 결과가 아니라 구조를 확인하는 계산이다.

좌표와 실제 문제

운동량 p가 모든 좌표계에서 단순히 속도와 같지는 않다. 정준 좌표의 조건과 데이터의 변수를 확인해야 한다. 마찰이나 외력이 있는 계를 보존계의 기본 구조로 그대로 처리하면 실제 에너지 변화와 맞지 않을 수 있다.

관련 문서

라그랑지안 신경망 / 신경 상미분방정식 / 해밀턴 역학 / 운동량 / 에너지 보존 법칙 / 자동 미분