基于符号神经网络方法的孤立波结构多样性：探究应变波方程

《Mathematics》：Diversity of Solitary Structures by the Application of Symbolic Neural Network-Based Approach: Exploring the Strain Wave Equation

　　

一种新颖的基于修正广义Riccati方程映射神经网络（MGREMNN）的方法是本研究的基本主题，通过探索应变波模型孤立子解的非线性动力学特性，这些解支配微结构固体中的波传播。应变波特别引人注目，因为它们在传输过程中保持其形状和速度。应变波的非线性动力学行为可以通过微结构材料中的偏微分方程建模。在微结构固体领域，存在一类称为微应变波的现象。这些波产生于具有复杂内部结构的固体中，包括周期性晶格、精密设计的超材料。理解这些波是设计更复杂材料和新型声学技术的关键。神经网络的激活函数和权重函数被分配给每个输入层、隐藏层和输出层，神经网络本身是一个多层计算网络。利用神经网络的结构，第一隐藏层中的每个神经元被赋予Riccati方程的解，并以系统的方式生成新的高表达能力试验函数。通过这种方式，获得了大量精确的孤立子解，例如亮孤立子、暗孤立子、扭结孤立子和组合孤立子以及周期性和双曲波剖面。使用三维、二维和等高线可视化系统地探索了基本物理和数学参数的影响，展示了参数变化如何导致波结构的振幅、形状和稳定性的变化。所呈现的解揭示了微应变孤立子的动力学特性，这为研究微结构固体中相关非线性现象开辟了新的研究途径。在更广泛的背景下，研究人员的结果突显了使用神经网络的解析技术作为强大且多功能的工具集在研究复杂非线性波模型方面的巨大潜力，这些模型涵盖从声学到光子学再到智能材料工程的应用科学。

**论文解读：基于符号神经网络方法的孤立波结构多样性——应变波方程中的孤子动力学研究**

**研究背景与动机**
微结构固体（如合金、陶瓷）因其内部周期性晶格、颗粒组装或复合微结构而表现出超越经典连续介质理论的异常波行为。这些材料中的应变波（strain wave）在传播过程中保持形状和速度，具有重要的理论和工程价值。然而，非线性偏微分方程（NLPDEs）描述这类波的动力学行为时，传统解析方法（如平衡原则驱动的变换）常受限于整数获取困难或中间变换约束，难以直接获得精确解。近年来，人工智能尤其是神经网络的发展为求解NLPDEs提供了新途径，但其在解析方程中的应用仍需与解析方法深度融合。针对上述问题，研究人员提出了一种修正广义Riccati方程映射神经网络方法（MGREMNN），将神经网络架构与解析映射技术协同，旨在于单一框架内系统生成微结构固体中应变波方程的精确孤立子解。该研究发表于《Mathematics》，通过揭示参数变化对波振幅、形状和稳定性的影响，为声学、光子学、智能材料等领域的非线性波模型研究开辟了新思路。

**关键技术方法**
MGREMNN方法的核心是将修正广义Riccati方程映射技术与神经网络模型集成。研究人员采用2-2-2-1神经网络架构（输入层2个神经元，两个隐藏层各2个神经元，输出层1个神经元），第一隐藏层的激活函数设定为Riccati方程的解。通过前向传播，从输入变量（x, t）生成高表达能力的试验函数，这些函数直接转化为应变波方程（4）的代数系统。将代数系统各系数置零得到参数方程组，求解后代入试验函数获得精确孤立子解。该方法无需将NLPDE转化为常微分方程，也无需平衡原则，直接从原方程生成解。所有解通过三维曲面、二维投影和等高线图进行可视化，系统分析物理参数（如非线性强度、耗散系数、微结构尺寸比等）对波形的影响。样本无队列来源，本研究为纯数学物理建模。

**研究结果**
**3.1 控制方程**
研究人员以双色散方程（式4）为研究对象，该方程描述微结构固体中应变波传播，包含非线性项、色散项和耗散项。当耗散参数为零时，方程退化为双色散形式，可用于平衡非线性与色散效应，形成孤立子。

**3.2 运用神经网络方法提取解**
采用2-2-2-1 MGREMNN模型，将输入变量x和t通过第一隐藏层Riccati解激活，生成层间权重和偏置，最终输出试验函数U。通过对代数系统的求解，得到多组参数条件。

**3.3 解的提取与图形展示**
（I）当参数满足第一组条件时，获得暗孤立子解（式10）、亮孤立子解（式12）和组合亮暗孤立子解等。通过3D和二维图（图5-8）展示：暗孤立子（式10）在连续波基底上产生低强度局域波包，适用于缺陷容错能量传输；明亮孤立子（式12）形成自导能量包，实现光声精准控制；组合孤立子揭示亮暗模式复合相互作用。扭结孤立子（式15）拓扑相位跃迁和稳定畴壁，用于信息存储与开关。

（II）第二组参数下，获得周期波（式21）和周期呼吸波（式24）。周期波控制热、光、声在原子层面的传播，影响材料核心属性；呼吸波描述能量交换过程并展示振幅振荡。图形（图9-12）呈现周期性与双曲行为，参数影响波形与振荡频率。

（III）第三组参数下，获得块局域周期解（式31）和块周期孤子（式33），建模空间紧凑的重复能量包和局域周期模式。图13-14展示其动力学行为，参数变化改变波包大小与周期性。

（IV）第四组参数下，获得一般解（式34），满足实数条件。该解证明非线性与色散精确平衡时，应变波形成长程传播的稳定孤立子，振幅、形状和速度保持不变，其参数直接影响孤子宽度和速度，与微结构固体的物理可观测现象直接对应。

**结论讨论**
MGREMNN方法成功融合解析技术与神经网络，直接从非线性方程生成多种精确孤立子解，无需中间变换或平衡约束。所求解具有显著的稳定性和长程保持特性，适用于现实非线性波现象建模。该方法的高效性、直接性和通用性使其成为未来非线性演化方程孤子解生成的变革性工具，在数学物理和工程领域具有广泛前景。**研究结论翻译**：研究人员开发了一种名为MGREMNN的新型混合方法，并将其用于研究微结构固体中的波动力学。所提方法协同解析方法与神经网络，能够恢复多种解析解，例如描述微结构介质中传播的应变波模型的孤立波解。通过三维曲面、等高线图和二维投影进一步解释所得解的物理丰富性，并提供对波行为底层动力学的更深层可视化理解。MGREMNN的一个关键方面是区别于传统解析过程：传统方法通常需要适当变换将非线性PDE转化为常微分方程，然后基于平衡原则应用解析方法，但这不总能获得所需整数；而MGREMNN完全克服了这一限制，直接从非线性方程生成解。本研究的主要贡献在于通过创新的智能方法发展孤立子理论，创建具有高度物理相关性的精确解。所得解具有显著的稳定性和长程保持特征，这对现实非线性波现象建模非常有用。由于其高效、直接和通用性，MGREMNN有望成为未来研究的变革性工具，为数学物理和工程中遇到的广泛非线性演化方程提供强大可靠的孤子解生成方法。