연구진이 NHODE라는 신경 해밀토니안 ODE 프레임워크를 개발했어요. 이 프레임워크는 완전하지 않은 시스템 상태를 가진 부분 관측 동역 시스템 학습을 가능하게 해요.
해밀토니안 구조는 에너지 보존을 보장하고, 신경 ODE 프레임워크는 관측 변수만으로 손실을 정의할 수 있도록 유연한 학습 절차를 제공해요.
선형·비선형 질량-스프링 시스템부터 혼돈스러운 3체 문제까지 다양한 시스템에서 NHODE 프레임워크의 성능이 검증되었고, 데이터 기반 모델보다 정확하고 안정적인 예측을 보여줬어요.