保护定律是理解,表征和建模非线性动力系统的关键理论和实用工具。但是,对于许多复杂的动态系统,难以识别相应的保守量,因此很难分析其动力学并建立高效,稳定的预测模型。当前发现保护定律的方法通常取决于详细的动态信息,例如运动方程或细粒度的时间测量,许多最新的建议还依赖于黑匣子参数深度学习方法。相反,我们将这项任务重新制定为一种多种学习问题,并提出了一种非参数方法,将最佳运输中的Wasserstein指标与扩散图相结合,以发现从动力学系统中采样的轨迹中变化的保守数量。我们在各种物理系统上测试了这种新方法$ \ unicode {x2014} $,包括保守的汉密尔顿系统,耗散系统和时空系统$ \ unicode {x2014} $保守数量并提取其价值。使用最佳运输理论和流形学习中的工具,我们提出的方法提供了一种直接的几何方法来识别既有坚固且可解释的保护定律,而无需明确的系统模型或准确的时间信息。
translated by 谷歌翻译