世界模型

AeroMELD: A Linear Embedding of Aerosol Populations for Diagnostics and Latent Dynamics

AeroMELD：用于诊断和潜在动力学的气溶胶群体线性嵌入

Ehsan Saleh, Saba Ghaffari, Wenhan Tang, Jeffrey H. Curtis, Lekha Patel, Peter A. Bosler, Nicole Riemer, Matthew West

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Amazon（亚马逊） ； Sandia National Laboratories（桑迪亚国家实验室） 纠错

专题命中 模型式强化学习 ：latent dynamics(title,abstract)；分类 cs.LG

AI总结 研究旨在准确表示大气气溶胶群体，提出AeroMELD框架构建低维潜在变量以保留其数学结构，通过尺度-形状分解等实现，能准确重建多种分布及行为，为在潜在空间学习气溶胶过程演化奠定基础。

Comments 34 pages, 12 figures

Discovering Latent Response Laws in Forced Physical Systems

在强迫物理系统中发现潜在响应规律

Yi Zhu, Su Chen, Xiaojun Li, Xiuli Du

机构 * Beijing University of Technology（北京工业大学） ； State Key Laboratory of Bridge Safety and Resilience（桥梁安全与韧性国家重点实验室） 纠错

专题命中 模型式强化学习 ：latent dynamics(abstract)；分类 cs.LG

AI总结 研究强迫物理系统中潜在响应规律，提出FLARE方法，通过学习紧凑响应坐标等，能恢复强迫动力学并预测高维响应，还可将方程发现扩展到复杂观测系统，为可解释建模和预测提供途径。

Comments 23 pages, 5 figures and 2 tables. Supplementary Information provided as an ancillary file

Structure-preserving variational neural fields: Uncertainty-quantified reduced-order modeling of nonlinear conservation laws

结构保持变分神经场：非线性守恒律的不确定性量化降阶建模

Aviral Prakash, Marc L. Klasky

专题命中 模型式强化学习 ：latent dynamics(abstract)；dynamics model(abstract)

AI总结 研究针对非线性守恒律控制的物理系统模拟，开发变分潜在神经场框架，集成高斯过程代理模型，有三种变体，能估计预测置信度，通过时空无散度表示嵌入守恒律流形实现守恒结构保持，经实验验证其有效性和鲁棒性。