L'IA face aux grands problèmes du monde · Mathématiques · arXiv · 2026-10-20
Briques intégrables pour les réseaux de neurones symplectiques : couches de type appris, couches préservant les fibres, et ce que peut faire une seule couche
Titre original: Integrable building blocks for symplectic neural networks: learned-type layers, fiber-preserving layers, and what a single layer can do
Les auteurs proposent trois familles de couches symplectiques explicites simples : les couches de type appris, de cisaillement à plan mobile et préservant les fibres. Dans des expériences sur seize systèmes, les couches construites sur des intégrales non linéaires étaient beaucoup plus précises que les réseaux symplectiques comparés. Sur les réseaux de Schrödinger non linéaires, les couches de torsion alternant avec des applications linéaires étaient plus de cent fois plus précises que les réseaux à base de cisaillement.