Discovering Phase Space Structure in Learned Hamiltonian Systems¶

会议: NeurIPS 2026
arXiv: 2509.23003
领域: 物理与科学计算
关键词: 哈密顿系统, 端口哈密顿神经网络, 相空间结构发现, 循环坐标正则化, 生成对抗网络

一句话总结¶

SPS-GAN 提出了一种将端口哈密顿动力学与条件对抗生成相结合的框架，通过在非保守系统中拓展循环坐标正则化，首次在无需预设广义坐标与相空间维数的前提下，仅凭笛卡尔轨迹或视频观测便能联合生成物理自洽轨迹并自监督辨识系统真实自由度与正则坐标。

研究背景与动机¶

基于物理规律的神经动力学模型（如 Hamiltonian Neural Networks、Lagrangian Neural Networks）近年来在长时间动力学预测和能量守恒保持上展现出优异性能。然而，经典物理学中化繁为简的控制方程通常建立在精巧的广义坐标与共轭动量之上，但在实际机器人控制、天体运动或视觉观测场景中，传感器直接记录的往往是非正则的高维笛卡尔坐标甚至原始视频像素流，底层几何约束、守恒对称性以及位形空间的真实维度未被显式给出。经典系统辨识与对称性发现算法往往需要预先设定模型类别、固定的李群或候选守恒量形式，在真实复杂物理场景中难以自适应推广。

与此同时，现有物理引导动力学方法大多局限于确定性预测范式：给定单一确定的初始状态，模型执行前向确定性数值积分。这种模式无法对初始条件的不确定性、多模态运动分布以及物理参数变化进行概率建模。另一方面，现有的生成模型（如视频 GAN、扩散模型）虽然擅长拟合数据分布，却缺乏显式机械结构约束，容易产生能量漂移、违反物理定律或随时间快速模糊崩溃。更关键的是，目前的表征发现工作通常与轨迹生成割裂，未能形成从非正则观测生成数据同时揭示潜在力学相空间几何的统一架构。

针对上述核心矛盾，本文提出了一种生成与结构发现紧密耦合的新范式。核心 idea：将端口哈密顿系统（Port-Hamiltonian System）作为潜在生成骨干，构建能够统一刻画保守、耗散与受迫动力学的条件相空间 GAN（SPS-GAN），并引入适配耗散与外力的扩展循环坐标正则化损失，驱动冗余相空间维度自动退化失活，从而直接从非规范轨迹和视频中涌现出真实自由度与物理可解释的正则坐标。

方法详解¶

整体框架¶

SPS-GAN 的核心目标是在不给定真实相空间维数与广义坐标的前提下，从多系统、多模态观测（笛卡尔轨迹或视频）中学习结构化的动力学分布。整个系统由相空间映射网络、潜在端口哈密顿动力学积分器、模态解码器以及对抗判别器四大模块组成。输入系统标识与物理参数 $\xi$ 以及随机运动编码 $\boldsymbol{\epsilon}_{\mathrm{m}}$，首先映射为潜在相空间的初始状态 $\mathbf{z}_0 = (\mathbf{q}_0, \mathbf{p}_0)$；随后由条件端口哈密顿神经网络（pHNN）沿时间步进行辛/数值前向积分，生成潜在相空间轨迹 $\mathbf{z}_{0:T}$；最后根据观测类型，分别送入带系统掩码的轨迹生成器 $G_{\mathrm{T}}$ 或结合内容编码 $\boldsymbol{\epsilon}_{\mathrm{c}}$ 的卷积视频生成器 $G_{\mathrm{I}}$ 解码为观测样本，并在对抗判别损失与循环坐标正则化的共同监督下端到端训练。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["条件输入<br/>系统参数 &xi; + 运动编码 &epsilon;<sub>m</sub>"] --> B["相空间初始映射<br/>z<sub>0</sub> = f(&epsilon;<sub>m</sub>, &xi;) = (q<sub>0</sub>, p<sub>0</sub>)"]
    B --> C["端口哈密顿动力学骨干<br/>pHNN 数值积分生成相空间轨迹 z<sub>0:T</sub>"]
    C --> D["循环坐标正则化<br/>压制冗余动量导数残差，压缩有效自由度"]
    C --> E{"观测模态解码"}
    E -->|笛卡尔轨迹| F["多系统轨迹解码与掩码<br/>x&#770;<sub>t</sub> = G<sub>T</sub>(z<sub>t</sub>) &odot; M(&xi;)"]
    E -->|视频像素流| G["内容解耦与卷积视频解码<br/>v&#770;<sub>t</sub> = G<sub>I</sub>([z<sub>t</sub>, &epsilon;<sub>c</sub>])"]
    F --> H["时序判别器 D<sub>T</sub> 对抗训练"]
    G --> I["双尺度时空判别器 D<sub>I</sub> + D<sub>V</sub>"]

关键设计¶

1. 条件相空间映射：从任意先验采样建立良态相空间初始流形
传统物理神经 ODE/HNN 强依赖于外部显式给定的初始相空间状态，而在无监督生成设定下，无法获知真实的正则坐标。SPS-GAN 预设一个足够容纳复杂系统自由度上限的过参数化潜在维度 $d_{\mathrm{lat}}$（实验中默认设为 10），使用多层感知机 $f(\boldsymbol{\epsilon}_{\mathrm{m}}, \xi)$ 将标准高斯运动噪声 $\boldsymbol{\epsilon}_{\mathrm{m}} \sim \mathcal{N}(0, \mathbf{I}_{d_{\mathrm{m}}})$ 与系统参数 $\xi$ 映射为初始状态 $\mathbf{z}_0 = (\mathbf{q}_0, \mathbf{p}_0) \in \mathbb{R}^{2d_{\mathrm{lat}}}$。该设计将动力学流形与初始条件采样解耦，允许模型根据系统参数条件化地学习出符合物理真实分布的初始相空间几何流形。

2. 端口哈密顿动力学骨干：统一保守、耗散与受迫系统的连续演化
为了摆脱传统哈密顿系统仅能处理保守系统的严重局限，SPS-GAN 引入端口哈密顿（Port-Hamiltonian）公式作为潜在状态演化方程： $$\mathbf{z}_{t+1} = \mathbf{z}_t + \int_{t}^{t+1} \left( \left( \begin{bmatrix} 0 & \mathbf{I} \\ -\mathbf{I} & 0 \end{bmatrix} - \begin{bmatrix} 0 & 0 \\ 0 & \mathbf{D}_\phi(\xi) \end{bmatrix} \right) \nabla_{\mathbf{z}} \mathcal{H}_\theta(\mathbf{z}_\tau, \xi) + \begin{bmatrix} 0 \\ \mathbf{F}_\psi(\mathbf{u}_\tau, \xi) \end{bmatrix} \right) d\tau$$ 其中能量函数 $\mathcal{H}_\theta$ 由神经网络参数化；耗散矩阵 $\mathbf{D}_\phi(\xi)$ 通过元素平方 $\tilde{\mathbf{D}}_\phi \odot \tilde{\mathbf{D}}_\phi$ 严格约束为半正定矩阵，保证能量耗散的单调性与热力学自洽性；$\mathbf{F}_\psi(\mathbf{u}_\tau, \xi)$ 负责映射外加控制或周期驱动输入 $\mathbf{u}$。若处理纯保守系统，只需将耗散与外力网络置零即可退化为标准 HNN。该模块为潜空间提供了刚性的物理归纳偏置。

3. 扩展循环坐标正则化：自监督剥离冗余维度并揭示真实自由度
当潜空间维度 $d_{\mathrm{lat}}$ 远大于系统实际自由度时，未受约束的网络会将运动信息无序扩散到所有潜在维度中，导致可解释性丧失。在分析力学中，若哈密顿量不依赖于某一广义坐标 $q_k$（即 $\partial \mathcal{H}/\partial q_k = 0$），则该坐标为循环坐标（Cyclic Coordinate），其共轭动量守恒。本文将这一原理推广至包含耗散和外力的端口哈密顿体系：在真实运动中，一个完全失活的坐标-动量对不仅能量无贡献，而且动量的时间变化在扣除耗散项和外力项后必须完全归零。据此，作者提出了针对端口哈密顿框架的循环坐标损失： $$\mathcal{L}_{\mathrm{cyclic}} = \lambda_{\mathrm{cyclic}} \sum_{i=1}^{d_{\mathrm{lat}}} \left| \dot{p}_i + \left[ \mathbf{D}_\phi(\xi) \nabla_{\mathbf{p}} \mathcal{H}_\theta(\mathbf{z}, \xi) - \mathbf{F}_\psi(\mathbf{u}, \xi) \right]_i \right|$$ 该残差在理论上精确对应于 $-\partial \mathcal{H}_\theta / \partial q_i$。最小化该损失会迫使不必要的坐标从哈密顿量中彻底解耦。同时辅以非保守分量的稀疏惩罚 $\mathcal{L}_{\mathrm{non\text{-}cons}} = \lambda_D \|\mathbf{D}_\phi(\xi)\| + \lambda_F \|\mathbf{F}_\psi(\mathbf{u}, \xi)\|$，防止模型滥用耗散与外力吸收动力学误差。

4. 模态自适应解码与多尺度判别体系
针对多质点笛卡尔轨迹，SPS-GAN 使用 MLP 解码器 $G_{\mathrm{T}}$ 输出统一上限维度 $d_{\mathrm{out}}$ 的坐标，并应用系统专用二进制掩码 $\mathbf{M}(\xi)$ 屏蔽多余质点，利用循环神经网络判别器 $D_{\mathrm{T}}$ 进行子序列对抗辨别；针对视频流，模型通过采样静态内容编码 $\boldsymbol{\epsilon}_{\mathrm{c}} \sim \mathcal{N}(0, \mathbf{I}_{d_{\mathrm{c}}})$ 与时序相空间状态拼接解耦外观与运动，使用反卷积网络 $G_{\mathrm{I}}$ 逐帧解码，并采用单帧图像判别器 $D_{\mathrm{I}}$（评估视觉保真度）与时序切片判别器 $D_{\mathrm{V}}$（评估连续性与物理自洽性）联合判别。

损失函数 / 训练策略¶

模型采用端到端交替对抗训练。总生成器目标结合了对抗生成损失、循环坐标正则化与非保守参数惩罚： $$\mathcal{L}_{G} = \mathcal{L}_{\mathrm{adv}} + \mathcal{L}_{\mathrm{cyclic}} + \mathcal{L}_{\mathrm{non\text{-}cons}}$$ 判别器和生成器均采用 Adam 优化器，学习率设为 $5 \times 10^{-5}$，超参数 $\beta_1 = 0.3, \beta_2 = 0.999$。轨迹训练序列长度 $T=30$，对抗判别切片长度 $\ell=16$；所有实验固定 $\lambda_{\mathrm{cyclic}} = 0.03$，潜空间初始上限设为 $d_{\mathrm{lat}} = 10$。

实验关键数据¶

主实验¶

为了验证生成的动力学准确性，作者采用“初始状态对齐协议”：由生成器采样轨迹得到初态 $\hat{\mathbf{x}}_0$，随后将该初态输入真实数值模拟器和各监督预测基线，统计生成序列相对于真实模拟序列的均方误差（MSE）。在保守与非保守系统上的评测数据如下：

系统分类	测试系统	SPS-GAN (本文)	cSPS-GAN (联合多系统)	最佳基线 (HNN / pHNN)	对比基准 (NeuralODE)
保守系统	弹簧振子 (Mass Spring)	$6.16 \times 10^{-4}$	$9.88 \times 10^{-4}$	$\mathbf{3.53 \times 10^{-4}}$ (HNN)	$1.62 \times 10^{-4}$
保守系统	单摆 (Single Pend.)	$\mathbf{4.29 \times 10^{-4}}$	$5.11 \times 10^{-4}$	$6.27 \times 10^{-4}$ (HNN)	$1.59 \times 10^{-3}$
保守系统	混沌双摆 (Double Pend.)	$\mathbf{3.25 \times 10^{-2}}$	$3.33 \times 10^{-2}$	$1.25 \times 10^{-1}$ (HNN)	$5.99 \times 10^{-2}$
保守系统	二体问题 (Two Body)	$\mathbf{3.07 \times 10^{-3}}$	$4.46 \times 10^{-3}$	$3.61 \times 10^{-3}$ (HNN)	$5.72 \times 10^{-3}$
保守系统	三体问题 (Three Body)	$\mathbf{1.26 \times 10^{-3}}$	$2.61 \times 10^{-3}$	$2.81 \times 10^{-3}$ (HNN)	$3.67 \times 10^{-3}$
非保守系统	阻尼单摆 (Damped Pend.)	$\mathbf{4.57 \times 10^{-4}}$	-	$4.76 \times 10^{-4}$ (pHNN)	$6.85 \times 10^{-4}$
非保守系统	受迫达芬振子 (Forced Duffing)	$\mathbf{5.22 \times 10^{-4}}$	-	$6.92 \times 10^{-4}$ (pHNN)	$7.35 \times 10^{-4}$

在视频生成任务上，SPS-GAN 在渲染的五个保守系统以及真实世界双摆和单摆视频中均展现出压倒性的生成质量。在 FVD 指标上，SPS-GAN 在单摆上达到 40.57（相比 HGAN 的 91.64 和 HGN 的 688.12），在混沌双摆上达到 24.12（相比 HGAN 的 73.21 和 HGN 的 331.94）；通过质心提取计算能量波动率 $\Delta E$，SPS-GAN 生成视频的能量波动（单摆 2.89%、双摆 6.83%）完美贴合真实模拟器的测量底线（单摆 2.62%、双摆 6.32%）。

此外，作者通过对 4,096 条采样轨迹的潜空间主成分方差解释率（PVE）进行统计，验证了真实自由度（DoF）的识别能力。以累积方差达 95% 为判定阈值，SPS-GAN 在 11 个实验场景中均精准还原真实物理自由度：

实验系统	观测模态	数据源	$\text{PVE}_1$ (%)	$\text{PVE}_2$ (%)	$\text{PVE}_3$ (%)	辨识 DoF (真实值)
弹簧振子	笛卡尔轨迹	仿真	98.85	0.48	0.18	1 (1)
理想单摆	笛卡尔轨迹	仿真	97.16	0.79	0.58	1 (1)
混沌双摆	笛卡尔轨迹	仿真	78.70	18.39	0.90	2 (2)
平面二体	笛卡尔轨迹	仿真	95.87	1.32	1.05	1 (1)
平面三体	笛卡尔轨迹	仿真	81.87	17.40	0.24	2 (2)
阻尼单摆	笛卡尔轨迹	仿真	95.79	1.28	0.79	1 (1)
受迫达芬振子	笛卡尔轨迹	仿真	96.47	1.02	0.76	1 (1)
真实单摆	笛卡尔轨迹	真实实验	96.28	1.91	0.70	1 (1)
真实双摆	笛卡尔轨迹	真实实验	61.39	35.41	1.96	2 (2)
真实单摆	原始视频	真实录像	98.69	0.64	0.46	1 (1)
真实双摆	原始视频	真实录像	70.47	24.63	0.88	2 (2)

消融实验¶

在引力二体系统上，针对相空间映射、循环坐标正则化与端口哈密顿积分器进行的模块消融结果如下：

配置	轨迹预测 MSE	辨识自由度 DoF (理论真实值=1)	说明
SPS-GAN (完整模型)	$\mathbf{3.07 \times 10^{-3}}$	1	完美收敛到真实单自由度 (相对径向距离 $r$)
替换动力学骨干为 SympNet	$4.43 \times 10^{-3}$	2	保持辛性质但缺乏显式连续哈密顿正则，维度压缩不完全
替换动力学骨干为 GRU	$1.60 \times 10^{-1}$	3	黑盒循环网络完全丧失结构先验，误差剧增且自由度坍塌
移除相空间映射 (w/o Phase Space Map)	$4.93 \times 10^{-2}$	7	无法将先验噪声映射至良态初态流形，潜空间发散
移除循环坐标损失 (w/o Cyclic Loss)	$4.40 \times 10^{-2}$	3	冗余维度未受约束，运动信息分散到多个维度

关键发现¶

循环坐标损失是相空间压缩与降维的决定性因素：消融表明，当 $\lambda_{\mathrm{cyclic}} = 0$ 时，模型不仅无法锁定正确的自由度（二体系统退化为 3 维），轨迹 MSE 亦恶化了一个数量级；而权重在 0.01 到 0.05 之间时模型均能稳健识别有效自由度。
沿活跃主成分方向遍历精确复现经典分析力学广义坐标：作者沿 PCA 提取的活跃特征向量进行单维度潜空间线性移动并解码至笛卡尔空间，发现对于二体系统，唯一活跃维度严格对应两个天体间的相对径向距离 $r$（角动量守恒使角度方向退化为循环积分）；对于三体系统，两个活跃维度完美解耦为正三角形的几何缩放尺度与整体空间旋转角；对于双摆系统，两个活跃维度分别独立控制内外摆杆的角度 $\theta_1$ 与 $\theta_2$。
超参数鲁棒性极其优异：即使将潜空间初始上限维度 $d_{\mathrm{lat}}$ 从 10 激增至 20、40 乃至 80，每轮训练耗时（约 0.235s）与显存占用（~391MB）几乎恒定，且始终精准恢复系统真实的 2 自由度，证明了该方法在实践中的抗过参数化能力。

亮点与洞察¶

将分析力学的循环坐标定理转化为可微正则项：巧妙利用了经典力学中“不出现在哈密顿量中的坐标对应的共轭动量守恒”这一经典定理，将其拓展到带有耗散矩阵和外力项的非保守情形，实现了无需真值标签的自监督自由度剪枝。
从高维非正则观测（包括像素流）中无监督涌现出正则坐标：在无需事先指定广义坐标系或拉格朗日量显式形式的前提下，潜空间活跃维度解码后自动展现出极坐标半径、各摆臂旋转角等具有明确物理几何意义的变量。
生成能力与可解释物理结构的共生融合：与以往仅能做单系统确定性拟合或被动发现守恒量的方法不同，SPS-GAN 将动力学辨识内嵌于 GAN 架构中，实现了对参数变化、外观变化（颜色、尺度）以及多模态初始状态的分布采样。

局限与展望¶

依赖端口哈密顿框架的适用边界：该方法的核心前提是底层系统可以被近似表达为端口哈密顿形式。对于存在剧烈随机涨落、不可微碰撞或状态跳跃的强非连续动力学系统，该连续积分骨干尚无法直接适用。
视频生成的平面性假设：当前视频实验大多基于准平面运动假定（物体的投影大小直接与质量或标度耦合），扩展到真实三维空间带有视角遮挡、透视畸变的多刚体自由运动仍需进一步探索。

评分¶

新颖性: ⭐⭐⭐⭐⭐ 巧妙将端口哈密顿系统与循环坐标分析力学推广至 GAN 潜空间，架构构思非常优雅。
实验充分度: ⭐⭐⭐⭐⭐ 覆盖从一维振子、非线性达芬振子、混沌双摆、引力天体到真实物理双摆与视频等 11 类设定，实验翔实且具备解析力学理论推导支撑。
写作质量: ⭐⭐⭐⭐⭐ 物理概念推导严谨，动机阐述清晰，图表与附录分析极其详尽。
价值: ⭐⭐⭐⭐⭐ 为结合物理机理（Physics-informed）与现代生成模型的动力学表征学习提供了极佳的范式参考。

系统分类	测试系统	SPS-GAN (本文)	cSPS-GAN (联合多系统)	最佳基线 (HNN / pHNN)	对比基准 (NeuralODE)
保守系统	弹簧振子 (Mass Spring)	\(6.16 \times 10^{-4}\)	\(9.88 \times 10^{-4}\)	\(\mathbf{3.53 \times 10^{-4}}\) (HNN)	\(1.62 \times 10^{-4}\)
保守系统	单摆 (Single Pend.)	\(\mathbf{4.29 \times 10^{-4}}\)	\(5.11 \times 10^{-4}\)	\(6.27 \times 10^{-4}\) (HNN)	\(1.59 \times 10^{-3}\)
保守系统	混沌双摆 (Double Pend.)	\(\mathbf{3.25 \times 10^{-2}}\)	\(3.33 \times 10^{-2}\)	\(1.25 \times 10^{-1}\) (HNN)	\(5.99 \times 10^{-2}\)
保守系统	二体问题 (Two Body)	\(\mathbf{3.07 \times 10^{-3}}\)	\(4.46 \times 10^{-3}\)	\(3.61 \times 10^{-3}\) (HNN)	\(5.72 \times 10^{-3}\)
保守系统	三体问题 (Three Body)	\(\mathbf{1.26 \times 10^{-3}}\)	\(2.61 \times 10^{-3}\)	\(2.81 \times 10^{-3}\) (HNN)	\(3.67 \times 10^{-3}\)
非保守系统	阻尼单摆 (Damped Pend.)	\(\mathbf{4.57 \times 10^{-4}}\)	-	\(4.76 \times 10^{-4}\) (pHNN)	\(6.85 \times 10^{-4}\)
非保守系统	受迫达芬振子 (Forced Duffing)	\(\mathbf{5.22 \times 10^{-4}}\)	-	\(6.92 \times 10^{-4}\) (pHNN)	\(7.35 \times 10^{-4}\)

配置	轨迹预测 MSE	辨识自由度 DoF (理论真实值=1)	说明
SPS-GAN (完整模型)	\(\mathbf{3.07 \times 10^{-3}}\)	1	完美收敛到真实单自由度 (相对径向距离 \(r\))
替换动力学骨干为 SympNet	\(4.43 \times 10^{-3}\)	2	保持辛性质但缺乏显式连续哈密顿正则，维度压缩不完全
替换动力学骨干为 GRU	\(1.60 \times 10^{-1}\)	3	黑盒循环网络完全丧失结构先验，误差剧增且自由度坍塌
移除相空间映射 (w/o Phase Space Map)	\(4.93 \times 10^{-2}\)	7	无法将先验噪声映射至良态初态流形，潜空间发散
移除循环坐标损失 (w/o Cyclic Loss)	\(4.40 \times 10^{-2}\)	3	冗余维度未受约束，运动信息分散到多个维度