arXiv cs.AI· Anna Zimmel, Fleur Hendriks, Markus Holzleitner, Florian Sestak, Martin Weichselbaumer, Vlado Menkovski, Johannes Brandstetter·· 9 天前AI 评分22
Bi-FORK：面向高维分叉系统的生成式建模框架
Bi-FORK: Generative Modeling of High-Dimensional Bifurcating Systems
AI 导读
Bi-FORK 是一个学习高维系统一对多解映射的生成式框架，通过潜在流匹配生成完整轨迹，并用排斥引导采样在单次摊销推理中恢复不同解分支。该框架在屈曲梁、机械超材料和 Allen-Cahn 相分离上验证，覆盖连续、离散和场值分叉，离散化规模最高达 260,000 个点，可恢复多模态解结构，规模较此前方法提升数个数量级。
正文 · AI 翻译
摘要：分岔在物理系统中无处不在，从结构屈曲到流体与气候动力学，但在深度学习中仍鲜有探索。在对称性破缺分岔处，单个输入允许多个同样有效的解，违背了大多数学习型物理代理模型所依赖的一对一假设。我们提出 Bi-FORK，一个用于学习高维系统中这些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，保持空间与时间连贯性，并使用排斥引导采样在单次摊销过程中恢复不同的解分支。我们在屈曲梁、机械超材料和 Allen-Cahn 相分离上评估 Bi-FORK，涵盖连续、离散和场值分岔，离散化点数高达 260,000。Bi-FORK 恢复了多模态解结构，同时比先前方法扩展了几个数量级，为高维分岔物理系统的生成式建模开辟了道路。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI）；计算工程、金融与科学（cs.CE）；计算物理（physics.comp-ph） |
| 引用为： | arXiv:2610.12449 [cs.LG] |
| （或 arXiv:2610.12449v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.12449 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Anna Zimmel [查看邮箱]
[v1]
2026年10月8日星期四 17:58:36 UTC（13,067 KB）
来源：arXiv cs.AI · arxiv.org