Bi-FORK：高维分岔系统的生成式建模
Bi-FORK: Generative Modeling of High-Dimensional Bifurcating Systems
精选理由
Bi-FORK能高效生成高维物理系统的多分支演化轨迹，帮助研究者刻画对称破缺后的多种可能解。
AI 摘要
arXiv:2610.12449v1 公告类型：新提交 摘要：从结构屈曲到流体与气候动力学，分岔在物理系统中无处不在，但在深度学习领域仍鲜有探索。在对称性破缺分岔处，单个输入对应多个同等有效的解，这违背了大多数基于学习的物理代理模型所依赖的一对一假设。我们提出 Bi-FORK，一种用于学习高维系统中此类一对多解映射的生成式框架。Bi-FORK 通过潜空间流匹配生成完整轨迹，保持空间和时间上的连贯性，并利用排斥引导采样，在单次摊销推断中恢复不同的解分支。我们在屈曲梁、机械超材料和 Allen-Cahn 相分离问题上评估了 Bi-FORK，涵盖连续、离散和场值分岔，离散化规模最高达 260,000 个点。Bi-FORK 能够恢复解的多模态结构，同时将可处理规模提升至以往方法的数个数量级以上，为高维分岔物理系统的生成式建模开辟了道路。