ReStep反向建模预测长时程粒子动力学

2026年10月14日，arXiv Artificial Intelligence 刊出 Leyan Zhang 等作者的论文，提出 ReStep 方法，用于长时程粒子动力学预测。该工作针对自回归模型长时程推演中的误差累积问题，采用级联方法逆转传统前向预测范式：先用随机模型直接预测最终状态，再通过 Anchored Diffusion 生成以目标为条件的中间轨迹，并以两个边界状态约束动力学、降低不确定性。论文称该方法被集成进 3D Gaussian Splatting 流程作为物理引擎，在多种刚性与非刚性碰撞数据集上取得更优的长期精度，显著缓解了误差累积。目前报道仅涉及该方法的设计与实验表现，尚无后续进展或相互矛盾的数字、时间与说法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。