物理学 > 数据分析、统计与概率
[提交于 2018年2月3日
]
标题: 信息场动力学的实际应用方面
标题: On the Practical Applications of Information Field Dynamics
摘要: 在这项研究中,我们探索了偏微分方程的一种新的模拟方案,称为信息场动力学(IFD)。 信息场动力学试图通过将贝叶斯场推理纳入模拟方案中来改进现有的模拟方案。 场推理确实是贝叶斯的,因此依赖于先验信念的概念。 提出了一系列理论和实用的结果。 在探索IFD框架下可能存在的两类一般模拟方案之前,介绍了许多小修复和关于一般理论的结果。 对于两者,我们在开发原型方案的同时展示了一组理论结果。 这些模型中的第一类大致对应于传统的固定网格数值PDE求解器。 这些模型中的贝叶斯先验假设是场是平滑的,并且它们之间的相关结构不会因位置而变化。 出于这些原因,我们将它们称为平移不变方案。 我们展示了这些方案的稳定性要求,但最重要的是,我们证明了在高分辨率极限下,这些方案确实收敛到场的真实行为。 从未有任何人对任何以前的IFD方案证明过收敛性。 我们还找到了这些代码的误差标度,并表明它们实现了一些非常类似于高阶有限差分导数逼近的东西,这是最基础和最被研究的数值方案。 这是一个重要的结果,它证明了IFD方法的有效性。 第二类方案称为SPH类方案,类似于现有的平滑粒子流体力学代码,在这些代码中,模拟网格随着所模拟场的流动而移动。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.